简介：神经网络由于其非线性处理能力强。性能稳定等特点得到了广泛应用和研究。主要应用于模式识别、信号处理、知识工程、专家系统、优化组合、机器人控制等。神经网络中使用最为广泛的就是前馈神经网络。其网络权值学习算法中影响最大的就是误差反向传播算法(back-propagation简称BP算法)BP算法存在局部极小点。收敛速度慢等缺点。基于优化理论的Levenberg-Marquardt算法忽略了二阶项。该文讨论当误差不为零或者不为线性函数即二阶项S(W)不能忽略时的Hesse矩阵的近似计算，进而训练网络。

简介：摘要：电池管理系统(BMS)可以延长电池寿命，但它取决于所采用方案的准确性。已经开发了不同的技术来通过监控电池的健康状态(SOH)来增强BMS。本文采用循环计数法对电池电压的检测进行了分析，并与人工神经网络这种启发式方法进行了比较。所提出的人工神经网络方法的优点是可以在不将电池与负载断开的情况下监测SOH。此外，人工神经网络的采样数据来自各种技术，包括开路电压(OCV)法、环境温度测量和谷点检测。采用前馈反向传播算法来达到实时监控实验室的目的。结果表明，前馈神经网络(FFNN)在用更多的采样数据训练时，可以获得对SOH的精确估计。

简介：(f)为股市收盘价预测模型的预测误差（MAPE=1.735%）,(d)为股市收盘价预测模型网络训练达到目标的步数是19步,(c)为差价预测模型的预测误差（MAPE=1.2%）

简介：而本文提出的方法是以相邻两天的股价差价作为网络的预测,这些方法都是以实际股价作为网络的预测,提出以相邻两天的股价差价作为网络的预测

简介：火灾智能探测算法具有自学习和自适应功能，是当前火灾探测算法研究的热点，神经网络的方法是其中一种重要的方法，4地国标GB4715－93中规定的四种标准火实验中获得的多以数信号进行了分析，并构建了前馈神经网络对这四种标准火的信号进行识别。将网络改造后也可用于标准火的探测。

简介：将分支前馈神经网络（BFNN）运用于数字字符的模式识别问题中,其某些性能优于标准反向传播（BP）网络。BFNN的隐层神经元与输出神经元之间为分组对应关系,采用的学习算法与标准BP算法类似。BFNN可以根据样本的可分性构建最适宜的网络结构。在对大规模、分类复杂的样本进行识别时,性能优于标准BP网络。

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.