我国模式识别领域的开拓者——记模式识别与知识工程专家戴汝为

1992年6月底,在巴基斯坦名城伊斯兰堡附近美丽的风景区参加第17届NathiagaliSummer College 讲习班的世界各国的科学家,正在聆听一位来自中国的学者的报告.这位学者就是中国科学院学部委员、自动化研究所研究员戴汝为,报告的题目是“人工神经网络及其在手写体汉字中之应用”.     

非线性多变延迟奇异摄动问题的稳定性分析

讨论了形如x′(t) =f(x(t) ,x(t -τ1(t) ) ,… ,x(t -τm(t) ) ,y(t) ,y(t -τ1(t) ) ,… ,y(t-τm(t) ) )和εy′(t) =g(x(t) ,x(t -τ1(t) ) ,… ,x(t -τm(t) ) ,y(t) ,y(t -τ1(t) ) ,… ,y(t -τm(t) ) ) (0 <ε 1)的非线性多变延迟奇异摄动系统的理论解的稳定性 ,得到了系统稳定的一个充分条件 .在此条件下还证明了隐式Euler方法的数值解是稳定的 .     

论学术期刊优先数字出版的质量与速度平衡

通过中国知网数字出版平台,调查了50种学术期刊进行优先数字出版的文献编辑质量及发表时滞缩短情况.结果发现:优先数字出版的稿件所处阶段越早,发表时滞缩短越明显;但稿件的编辑质量较差,待正式出版时改动较大.由此可见,期刊优先数字出版应兼顾质量与速度,不断摸索并选择最恰当的优先出版模式.     

人工神经网络在火灾探测中的应用

火灾的早期探测是较为复杂且具有重要意义的研究课题。针对传统火灾探测方法存在的不足,提出了一种基于人工神经网络技术的火灾自动探测系统,即采用黄金分割优选法对网络隐含层节点数进行优选,采用优于BP算法的LM算法进行网络学习训练。实验结果表明不仅这种系统具有拟合精度高和运算速度快等优点,且探测效率良好。     

强迫时滞微分方程x′(t)=-p(t)x(t-τ)+r(t)的全局吸引性

研究强迫时滞微分方程x′（t)=-p(t)x(t-τ）＋r(t)，t≥0的全局吸引性，获得了保证每一解收敛于0的充分条件。     

基于BP神经网络的心电图三分类

研究了一种基于神经网络的心电图分类方法,该方法利用前向多层神经网络的反向传播算法(Back Propagation),即BP算法,采用MATLAB软件建立用于三分类的BP神经网络,并利用大量的心电图数据训练神经网络,使神经网络对未训练过的心电图有较好的分类能力。实验结果表明,用这种方法用于心电图的三分类取得较好的效果。     

基于遗传算法和BP神经网络的优化设计方法

随着生产规模的复杂化、多维化和非线性等复杂特性的增加，对生产中高效的优化技术要求也越来越迫切，利用并行遗传算法和BP网络的优点，提出采用遗传算法的并行搜索和解空间搜索的优点进行网络参数的选取，利用BP网络简单和可塑性强的优点来优化样本空间，以取得整体的优化效率。     

一类时滞微分方程的全局吸引性

考虑时滞微分方程：dN(t)/dt=r(t)N(t)[1-N(g(t))/k],t≥0，其中α≥是两个正奇数之比，获得了保证其每一正解趋于正平衡 的一族充分条件。     

一类变时滞细胞神经网络模型的指数稳定性

讨论了一类变时滞细胞神经网络模型的指数稳定性问题.通过构造新的Lyapunov泛函和利用线性矩阵不等式（LMI）技术,获得了一些保证模型的平衡点指数稳定的充分条件.