简介：Adesignmethodfornoisecancellerusingrecurrentneuralfilter，ADRNN-baseddirectmulti-stepadaptivepredictorforintelligentsystems，Agenerationalterationmodelforevolvingrecurrentneuralnetworktopologiesalongwithweights，AHIGH-PERFORMANCEMULTI-PURPOSEDSPARCHITECTUREFORSIGNALPROCESSINGRESEARCH……

简介：AChaoticNeuralNetworkforReducingthePeak-to-AveragePowerRatioofMulticarrierModulation；Acombinatorialoptimizationmethodbychaoticneurodynamics；Amultistageself-organizingalgorithmcombinedtransientlychaoticneuralnetworkforcellularchannelassignment；AreductionmethodforPAPRinOFDMvianeuralnetworks；ASearchingAbilityofSolutionsofN-QueensProblemUsingChaotic；Atheoreticalstudyonaneuralmethodforcombinatorialoptimizationproblems；AdaptiveMemoryDynamicsinaChaoticNeuralNetwork；

简介：

简介：

简介：[篇名]AHamilton-JacobiSetupforConstrainedNeuralNetworkControl，[篇名]ANEURALNETWORKCONTROLBASEDOBSERVERFORROBOTMANIPULATORS，[篇名]Aneuro-controllerwithguaranteedstability，[篇名]AnewRBFneuralnetworkcontrolstrategybasedonnewobjectfunction，[篇名]ANovelNeuralNetworkControllerandItsEfficientDSPImplementationforVector-ControlledInductionMotorDrives，[篇名]Asinge-phaseactivepowerfilterwithneuralnetwork-basedcontroller，[篇名]AStudyonNeuralNetworkControlofExplosion-Proof2-LinkPneumaticManipulator，[篇名]Activepowerlineconditionerwithaneuralnetworkcontrolscheme。

简介：

简介：ApplyingthegeneticprogrammingtomodelingofdiffusionprocessesbyusingtheCNNanditsapplicationstothesynchronization.Cellularneuralnetworkanditsapplicationinthediagnosisofabnormalautomobilesound.Cellularneuralnetworkinimagefiltrationtasks.Cellularneuralnetworksanditsapplicationforabnormaldetection-optimizationofthecellularneuralnetworksbydesigninganoutputfunction.

简介：Abiologicallyinspiredconnectionistsystemfornaturallanguageprocessing，Abiologicallymotivatedconnectionistsystemforpredictingthenextwordinnaturallanguagesentences，Acombinedmodelofwaveletandnenralnetworkforshorttermloadforecasting，Acomparativestudyofradialbasisfunctionneuralnetworksandwaveletneuralnetworksinclassificationofremotelysenseddata……

简介：该文深入分析了两种经典前馈神经网络—多层感知器和径向基函数网络的基本原理,典型的算法如BP网络算法、RBF网络算法,RBF网络之所以具有分类能力是基于cover原理[5]

简介：本文对神经网络的基本原理和应用进行了深入浅出的阐述,首先说明为何引进神经网络,然后讲述神经网络的基本原理和当前有关神经网络的前沿技术,其后对神经网络的应用情况进行了介绍,最后对神经网络有待解决的问题进行了简要说明.

简介：摘 要：回顾了卷积神经网络的发展历程,介绍了卷积神经网络的基本运算单元。在查阅大量资料基础上，重点介绍了有代表性的 AlexNet、VGGNet、GoogLeNet、ResNet等，对他们所用到的技术进行剖析，归纳、总结、分析其优缺点，并指出卷积神经网络未来的研究方向。

简介：针对传统BP神经网络用于谐波检测时存在收敛速度慢、易陷入局部最小值的缺点,提出用混合蛙跳算法代替BP神经网络中梯度搜索算法的混合蛙跳算法神经网络,并将其用于电力系统谐波幅值与相位测量。根据电力系统所含谐波特点,构建谐波检测的神经网络模型,阐述混合蛙跳算法神经网络的基本原理。以三次谐波为例,给出神经网络训练方法以及训练样本如何构建。仿真结果验证所提方法的可行性,其收敛速度、检测精度均优于BP神经网络。最后用训练好的神经网络检测未训练的样本,实验结果验证该网络具有良好的泛化能力。

简介：摘要：为了能够及时发现齿轮表面缺陷以及缺陷类型，我们提出了一种自适应分类框架，该框架根据任务需求调整分类粒度，并基于混合神经网络（AHNN）。AHNN结合了一维卷积和注意机制，增强了特征和通道之间的关系，并抑制了不敏感信息的影响，引入了个体特征选择方法，生成适合不同个体的特征子集，减小个体差异。实验结果表明，齿面磨损的细粒度和粗粒度分类的准确率分别为91.27%和96.31%，缺齿的细粒度和粗粒度分类的准确率分别为92.67%和97.28%，正常齿的细粒度和粗粒度分类的准确率分别为92.33%和96.39%。AHNN能够适应不同的分类粒度，降低个体差异，提高框架的通用性。

简介：Remarksonadaptiveneuralnetworkcontrollerusingreferencemodel，Revolutioncontrolofgeneratordieselenginebyneuralnetworkcontroller，Robustneuralnetworkcontrollerforvariableairflowvolumesystem，Selftuningneuralnetworkcontrollerforinductionmotordrives，Self-OrganizingNeural-BasedFuzzyControllerforTransientStabilityofMultimachinePowerSystemsUsingFlywheelBattery……

简介：Evolutionofaneuralnetworkforgaitanimation.Experimentalevaluationofanovelswitchcontrolschemetbranactivepowerlineconditioner.Fuzzylogicdecisionmechanismcombinedwithaneuro-controllerforfabrictensioninrobotizedsewingprocess,Hybridsteppingmotorpositionservosystemwithon-linetrainedfuzzyneuralnetworkcontroller.

简介：Aneuralnetworkcontrollerforsuppressionofwingrock；Aneuralnetworkpredictivecontrolsystemforpapermillwastewatertreatment；APIDneuralnetworkcontroller；Anartificialneuralnetworkapproachformotioncontrolofamagneticdiskdrivevoicecoilmotor；Aninternalmodelcontrolstrategyusingartificialneuralnetworksforaclassofnonlinearsystems；2002IEEEInternationalConferenceonSystems,ManandCybernetics(SMC02),vol.5:BridgingtheDigitalDivide-Cyber-development,HumanProgress,PeaceandProsperity；AutomaticGenerationControlforPowerSystemwithSMESbyUsingNeuralNetworkController；Chaoticsystemcontrolconsideringedgeofchaosusingneuralnetwork；DesignandimplementationofindustrialneuralnetworkcontrollerusingBackstepping；

简介：回顾了人工神经网络的发展史,分析了BP神经网络的结构,对BP神经网络在函数逼近、模式识别、分类应用、数据压缩等方面的应用进行了综述.

简介：摘要：卷积神经网络是一种新型的无导师学习算法,在近几年有了较大发展,其主要思想为利用层间节点竞争产生隐含函数来处理非线性系统，在处理非平稳信号方面,它的优势主要体现在:可以利用网络中所有隐含层,使得原始数据与新产生的参数都保持一定关系,从而实现了非线性函数逼近;通过使用简单、有效等方法来减少输出矢量对算法时间和计算量要求较高之处。本文将介绍一下卷积神经网模型结构及相关技术特性以及一些典型应用场景下常用学习算法进行分析研究。

简介：利用CMAC神经网络与PID控制算法,提出了一种针对飞行器挠性结构振动的混合控制方法.首先在给出系统动力学方程的基础上,利用CMAC神经网络的具体特点,给出了神经网络算法;进而将PID控制算法引入控制系统,形成了一种混合控制方法,该方法具有CMAC神经网络与PID控制算法两者的优点.最后针对复杂的飞行器挠性结构振动问题进行了实例仿真,说明了算法的有效性.

简介：为了给工业界提供一种快速预测二元混合液体自燃温度的有效途径,将试验所测不同组分及配比的168个二元混合液体的自燃温度作为期望输出,将基于电性拓扑状态指数（ETSI）理论、引入混合ETSI概念而计算出的9种原子类型所对应的混合ETSI作为输入,采用三层BP神经网络技术建立了根据原子类型混合ETSI来预测混合液体自燃温度的BP神经网络模型,并应用改进的Garson算法进行多参数敏感性分析。经模型评价验证及稳定性分析,得到训练集的决定系数R2为0.965,平均绝对误差MAE为11.892K,测试集的交叉验证系数Q2ext为0.923,平均绝对误差MAE为15.530K,发现该模型的预测性能优于已有的多元非线性回归（MNR）模型,表明BP神经网络模型具有较好的拟合能力和预测能力,对烷、醇类混合体系自燃温度的预测精度最佳。