简介：研究了BP神经网络的收敛问题。基于随机理论，提出了解决网络收敛性问题的随机优选法。该方法不仅在任何条件下都能得到问题的具有一定精度的解答，而且收敛速度很快。

简介：摘要本文利用人工神经网络对两自由度线性振动系统进行了神经网络建模，并通过所建立的神经网络模型对该系统进行了预测。分别利用MATLAB和BP网络作为平台和训练工具。以两自由度悬臂梁的受迫振动为例，将一段时间内的激励力作为网络的输入参数，对应于该段时间内由振动产生的挠度作为网络的输出参数，然后利用BP网络进行训练。将网络模型预测结果与精确解进行对比，误差甚小。该结果表明所建立的神经网络模型合理、有效，可利用其对该类问题进行预测并应用于工程实践中。

简介：摘要：在日常的生活中,人们会遇到很多不确定性,比如运动物体发生了变化、工作环境发生变化等。这些都需要大量数据进行研究和分析。循环神经网络就是一种能够快速收敛并能自动消除系统误差，并且对信息处理速度比较快的新型算法之一，而且在网络研究中,循环神经网络具有非常重要的作用,它可以通过学习和计算来处理复杂系统，具有非常广阔的发展前景,在很多领域得到了广泛运用与关注;但是目前存在许多问题需要解决。

简介：本文采用Lyapunov-Krasovskii泛函方法对一类变时滞细胞神经网络的全局指数稳定性进行了研究，得出了一些关于DCNN全局指数稳定性的充分条件。

简介：本文介绍神经网络的特点以及近年来有关神经网络与混沌理论、模糊计算和遗传算法等相结合的混合神经网络研究的动态,神经网络、模糊集理论和以遗传算法为代表的进化算法都是仿效生物信息处理模式以获得智能信息处理功能的理论,并确定混沌---神经网络模型具有混沌解的参数空间

简介：摘要：BP神经网络是一种按照误差逆向传播算法训练的多层前馈神经网络。

简介：本文系统的论述了模糊控制，神经网络以及模糊神经网络的发展及现状，探讨了模糊神经网络发展当中的一些问题，指出了模糊神经网络现阶段存在的不足与发展方向。

简介：

简介：摘要卷积神经网络在自然语言处理中的应用是近年的研究热点。文章通过对几项典型工作的分析，研究了卷积神经网络在各项自然语言处理任务中的性能与效果。并对卷积神经网络语言模型的改进规律进行了总结。

简介：本文针对标准BP算法的不足给出了改进算法——ScaledConjugateGradient（SCG算法），利用Matlab语言编制了BP网络的应用实例仿真程序。结果表明SCG算法的学习收敛速度大大地优于标准BP算法。

简介：

简介：行人重识别在视频监控领域是一个非常具有挑战性的问题,不同的摄像头位置角度、光照等因素会使同一行人的图像差异较大.文章提出一种DGD（DomainGuidedDropout）卷积神经网络（CNN）与样本相对距离结合的行人重识别算法：首先,通过卷积神经网络来提取来自多个域的数据中具有一般性及鲁棒性的特征;其次,通过计算各个特征样本之间的相对距离来筛选出更具有一般性及鲁棒性的特征;最后,比较筛选出的特征间的欧氏距离进行重识别.实验结果表明,该算法能够提高行人重识别的效率.

简介：摘要在人工智能领域内，人工神经网络是一种运算模型，由大量的节点之间相互联接构成，目的是模拟人类的神经系统，目前已经广泛地应用在智能分析、回归、拟合等多个技术领域。本文从人工神经网络的概念讲起，介绍了有关人工神经网络的相关知识，分析了BP、RBF、SOM、DNN等不同人工神经网络的工作原理，介绍了各类神经网络在部分领域的应用，最后对人工神经网络的应用做出了展望。

简介：以某地区购网有功功率的负荷数据为背景，建立了三个BP神经网络负荷预测模型——SDBP、LMBP及BRBP模型进行短期负荷预测工作，并对其结果进行比较。针对传统的BP算法具有训练速度慢，易陷入局部最小点的缺点，采用具有较快收敛速度及稳定性的L—M优化算法进行预测，使平均相对误差有了很大改善，具有良好的应用前景。而采用贝叶斯正则化算法可以解决网络过度拟合，提高网络的推广能力，使平均相对误差和每日峰值相对误差降低，但收敛速度过慢（慢于SDBP模型），不适于在实际应用中采用。

简介：摘要：从神经网络算法客体判断标准出发，列举了实践中容易判断是否属于专利法保护客体的情形；并结合实际的案例， 探讨了在算法中不包含特定应用领域时，如何判断神经网络发明是否属于专利法保护客体。

简介：摘要：随着科学技术的发展，人工智能已经被广泛应用到生活中，计算机视觉作为其中的重要领域，也被研究者逐渐重视。本文重点讲述了卷积神经网络以及图像分割的发展史，重点讲述了目前具有代表的deeplab神经网络架构中的特点，分析其中的原理，对后续的研究具有借鉴作用。

简介：深度学习是人工智能领域发展的一个不可或缺的部分,并且广泛应用于图像识别方面.为了进一步降低宫颈癌细胞图像的识别错误率,本文提出了一种基于卷积神经网络的改进算法.该算法通过搭建卷积神经网络框架,对下采样过程中特征提取阶段的池化模型进行改进,在下采样过程中对池化域内的每个元素分配合适的权值得到下采样特征图.实验结果表明,我们所提出的基于卷积神经网络的改进算法降低了对宫颈癌细胞图像的识别错误率.

简介：研究了具时变时滞的分层抑制细胞神经网络．利用不动点定理获得了若干判定该网络存在概周期解的新充分条件，改进和推广了已有文献中的相应结论．

简介：绝大多数通信信号都是具有周期平稳信号特征，CAB类算法是一种基于信号周期平稳特性下的波束形成算法。但是，由于算法中存在的矩阵求逆的巨大运算量的要求是算法的实时应用性变差。本文利用TH神经网络的巨量并行性的特点来解决算法中的这一问题，实验结果表明其性能优良。

简介：本文提出了分析矿山损失贫化原因的神经网络方法，阐述了其算法原理及其相应的神经网络模型，结合实例说明了该方法的应用。