简介：我国证券市场股价波动表现出特有的混沌性质[1][2],具有局部随机与整体秩序[3]相容的特征.本文以2002年每隔十秒的上证指数高频数据[4]为例,以混沌理论为基础,从原始序列中构造出若干个新的时间序列,运用神经网络法[5]进行预测.预测结果表明,此方法能够较好地预测股票的走势,有望在股票交易中应用.

简介：用最大Lyapunov指数构造遗传算法中的适应度函数，通过遗传算法优化神经网络的权系数．根据所得到的适应度函数和权系数来构造遗传神经网络控制器，从而提高神经网络控制效果．对离散系统Logistic映射和连续系统Rossler方程、AFM（原子力显微镜）悬臂梁振动系统的混沌运动分别进行了仿真控制．数值实验结果表明本文改进的遗传神经网络控制方法对离散或者连续的混沌系统都能控制到低周期轨道上去，证明了算法的有效性．

简介：分析了NCNN（噪声混沌神经网络）模型的几个重要参数对系统性能的影响，并对其进行了优化、、仿真结果表明，优化的算法能成功解决旅行商问题，比传统的依靠经验选择参数的方法更有效，在收敛速度同解的质量之间取得了很好的折中。

简介：针对分数阶混沌系统的同步问题,提出一种基于径向基函数（RadialBasisFunction,RBF）神经网络的控制器。利用RBF神经网络对同步误差系统进行补偿控制,神经网络的权值可以在线调整,使得同步误差渐近收敛到零点。基于Lya-punov稳定性理论,分析了该控制器的稳定性。分别以分数阶Chen系统的同步和分数阶Liu系统的同步为例进行了数值仿真,仿真结果验证了所设计的控制器的有效性和鲁棒性。

简介：对变压器进行故障诊断,在提高电力系统运行的安全性和可靠性方面具有重要意义.传统的BP算法是-种局部搜索的优化方法,在变压器故障诊断的过程中很有可能陷入局部极值,使收敛速度较慢,算法效率较低.文章提出采用混沌免疫优化神经网络方法进行变压器故障诊断,在网络权值调整过程中引入免疫算法的思想,采用免疫算法对网络权值进行全局优化,最后用该算法对变压器进行故障诊断,并与传统BP神经网络诊断方法进行比较.结果表明,将该方法用在变压器故障诊断中,其正确率提高了5%,训练速度减少了182次,收敛速度更快,可靠性更高.

简介：研究一类离散和分布时变时滞的混沌神经网络的广义投影同步问题。利用非线性观测器方法实现同步十分简单，且利用极点配置技术，可通过调整特征值来调节同步速率的快慢。与一般混沌神经网络模型相比，带有离散和分布时变时滞的混沌神经网络模型更为一般，同时反同步和完全同步是广义投影同步的特例。最后，提出基于广义投影同步的离散和分布时变时滞混沌神经网络的保密通信方案，给出两个数值仿真例子验证结果的有效性。

简介：

简介：Dynamicnodecreationandfastlearningalgorithmforahybridfeedforwardneuralnetwork.Flight-pathanglecontrolvianeuro-adaptiveBackstepping.Locallearningframeworkforhandwrittencharacterrecognition.Maximizingmarginsofmultilayerneuralnetworks.ModularnetworkSOMself-orgmlizingmapofasystemsgroupinfunctionspace.

简介：

简介：

简介：ApplicationoftheRTNNmodelforasystemidentification,predictionandcontrol；AssociativeMemoryUsingRatioRuleforMulti-valuedPatternAssociation；Batch-to-BatchModel-basedIterativeOptimisationControlforaBatchPolymerisationReactor；BehaviouralPlasticityinAutonomousAgents:AComparisonbetweenTwoTypesofController；ChannelEqualizationUsingComplex-ValuedRecurrentNeuralNetworks；Classificationofnaturallanguagesentencesusingneuralnetworks；Combiningarecurrentneuralnetworkandtheoutputregulationtheoryfornon-linearadaptivecontrol。

简介：

简介：ConfigurablemultilayerCNN-UMemulatoronFPGA；Cortically-inspiredVisualProcessingwithaFourLayerCellularNeuralNetwork；Effectofcouplingresistorsonsteadypatternsincoupledoscillatornetworks；Exponentialconvergenceestimatesforneuralnetworkswithmultipledelays；FEATUREEXTRACTIONINEPILEPSYUSINGACELLULARNEURALNETWORKBASEDDEVICEFIRSTRESULTS；FurtherResultsontheStabilityofDelayedCellularNeuralNetworks；Globalstabilityanalysisindelayedcellularneuralnetworks；ImageedgedetectionusingadaptivemorphologyMeyerWavelet-CNN。

简介：

简介：PredictionoftheDimensionalChangesduringSinteringusingBackpropagationAlgorithm，Predictionofthenextstockpriceusingneuralnetwork-extractionthefeaturetopredictnextstockpricebyfiltering，Pulsemodeneuronwithpiecewiselinearactivationfunction，Remarksonmultilayerneuralnetworksinvolvingchaosneurons……

简介：

简介：人工神经网络是另外一种计算模式。冯·诺依曼机器是以．人类信息处理过程的处理/记忆的抽象为基础的，而神经网络是以动物大脑并行处理的体系结构为基础的。这是一种多处理器的计算机系统，由大量简单的处理单元高度互连，简单分级通信，以及在各单元之间进行适应性交互作用组成。

简介：

简介：

简介：AnewapproachtogenerateAself-organizingfuzzyneuralnetworkmodel.Anonlinearcombiningforecastmethodbasedonfuzzyneuralnetwork.Anovelclustermethodinfrizzyneuralnetworks.AnovelrobustPIDcontrollerdesignbyfuzzyneuralnetwork.Arecurrentfuzzyneuralnetwork:learningandapplication.Astudyofchatterpredictioninendmillingprocess(fuzzyneuralnetworkmodelwithinputsofcuttingconditionsandsound.Aweightedfuzzyreasoninganditscorrespondingneuralnetwork.