中文分词与命名实体识别的联合学习

将卷积结构引入循环神经网络,从而构建卷积循环神经网络。以此为基础,研究构建了面向中文分词与实体识别联合学习的序列标注模型。该模型依托卷积循环神经网络构建特征编码层,实现中文字序列局部空间特征和长距离时序依赖特征的联合提取;依托改进的循环神经网络构建标签解码层,实现标签序列长距离时序依赖的有效建模;依托统一的分词与实体识别序列标注模式实现分词信息与实体信息的联合学习,避免传统流水线法的误差传播问题。在人民日报语料和微软标注语料上的实验结果显示,该框架较传统统计模型和神经网络模型有显著的性能提升,尤其是在识别字数较多的命名实体时,其效果明显优于其他方法。     

基于神经网络的弹丸强度可靠性分析

构造了一个基于神经网络的弹丸强度分析模型,通过对以往实际发生数据的训练与推理,设计并构造了一种自适应变步长自构型神经网络。对影响弹丸强度的诸多因素进行了综合的非线性分析。并可以利用该模型进行强度预测,减少实际打弹的次数,经济效益明显。     

基于神经网络的非线性控制系统自组织辨识

本文首先将自组织神经网络算法向一般化情形引伸，接着把自组织过程应用到一般非线性系统的动态过程分类，使得整个非线性系统能够按照输入输出样本空间的概率密度自组织，成为许多具有不同分类核心和感受野的线性子空间逼近。在此基础上，我们采用通用最小二乘算法，以子空间的非线性问题线性化误差作为依据，并进一步运用自组织神经网络的合作与竞争思想，最终得到一般情形的非线性系统的最小二乘辨识。仿真结果表明了本方法的可行性与优越性。     

神经网络的函数逼近理论

分析了将函数逼近理论与方法引入神经网络研究的必要性；从经典函数逼近与统计分析两方面详细地讨论了多层前馈网（ＭＬＰ）逼近能力分析的基本方法及结论；分析了正则理论观点下的径向基函数网络（ＲＢＦ）的逼近能力；讨论了ＲＢＦ网与多层前馈网在最佳逼近特性上的差异。文末指出了神经网络函数逼近的发展方向。     

防空C3I雷达情报网数据融合算法的研究

传统 C3I系统的数据融合算法运算量大 ,融合精度不高。根据我国防空 C3I系统的现状 ,提出了一种新的基于神经网络的防空 C3I系统数据融合算法。由于神经网络是全并行工作 ,所以此算法具有处理速度快、精度高等优点。仿真结果表明 ,航迹交接算法和航迹融合算法的性能都比较好 ,对真实雷达网数据融合有很好的参考价值     

基于BP神经网络的C4ISR系统人机交互性能评估

针对C4ISR系统中人机交互子系统的特点,运用神经网络方法探索其性能评估问题.建立了C4ISR系统人机交互性能评估的指标体系,阐述了BP神经网络的相关原理及算法,构建了基于此网络的性能评估模型.并利用MATLAB软件进行了仿真分析,证明了理论的正确.采用神经网络理论进行性能评估,可弥补专家的经验和知识,降低评价过程中的人为因素影响,保证其客观性.模型能够比较准确地对C4ISR系统人机交互性能进行评估,为研究指挥自动化系统提供了一种新的思路.     

The effect of training data set size and the complexity of the separation function on neural network classification capability: The two-group case

Classification among groups is a crucial problem in managerial decision making. Classification techniques are used in: identifying stressed firms, classifying among consumer types, and rating of firms' bonds, etc. Neural networks are recognized as important and emerging methodologies in the area of classification. In this paper, we study the effect of training sample size and the neural network topology on the classification capability of neural networks. We also compare neural network capabilities with those of commonly used statistical methodologies. Experiments were designed and carried out on two-group classification problems to find answers to these questions. The prediction capability of the neural network models are better than traditional statistical models. The learning capability of the neural networks is improving compared to traditional models because the discriminate function is more complex. For real world classification problems, the usage of neural networks is highly recommended, for two reasons: learning capability and flexibility. Learning capability: Neural network classifies better in sterile experiments as performed in this research. Flexibility: Real life data are rarely not contaminated with noise, such as unknown distributions, and missing variables, etc. Neural networks differ from a statistical model that it is not dependent on any assumption concerning the data set distribution. © 1997 John Wiley & Sons, Inc. Naval Research Logistics 44: 699–717, 1997     

BP人工神经网络的应用及其实现技术

简述了BP人工神经网络的算法原理 ,利用Batchnet程序对一个三层BP人工神经网络进行了设计 ,应用Matlab中人工神经网络工具箱设计了一个用于函数逼近的BP人工神经网络 ,最后 ,运用Matlab中可视化工具Simulink对一个BP人工神经网络例子进行了仿真 ,通过例子 ,探讨了BP人工神经网络的应用并介绍目前几种实用的BP人工神经网络实现技术 .     

一种基于神经网络的磁性目标定位方法

磁性目标定位问题可归结为一类非线性规划问题的求解 .该问题的最大特点就是其目标函数的计算过程极为繁琐 .而目标函数计算的快慢对磁定位的实时性有很大影响 .在详细研究了目标函数之后 ,给出了目标函数的一种神经网络结构实现 .由于该网络结构易于并行计算和VLSI实现 ,从而可使磁定位的实时性得到改善 .     

导弹故障智能诊断的一种实现方法

研究了基于神经网络的故障诊断专家系统的理论和方法及具体实现过程。将此方法应用于导弹武器系统故障智能诊断之中 ,结果表明该方法是一种行之有效的故障智能诊断方法。