简介：摘要电力系统长期负荷预测在企业的调度运营和服务管理等方面都起着不可或缺的作用，其预测精度的高低直接影响着电力系统运行的安全性、经济性和稳定性，因此长期负荷预测方法的研究一直为人们所重视。基于电网实际运行数据建立一个BP神经网络模型，利用神经网络高度非线性建模能力，探讨含小水电地区电网的负荷情况。实例计算表明，该方法精确有效，收敛性好，运行速度快，对提高多小水电地区网供负荷预测的准确度有较高的实用价值。

简介：精确的短期电力负荷预测对电力系统的生产调度和安全稳定运行起到十分重要的作用。为提高短期电力负荷预测模型的精度。提出了一种基于Elman神经网络的改进模型。通过在输出层和隐含层之间扩展一个新的承接层。增强了Elman神经网络的动态信息处理能力。仿真结果表明，改进型Elman神经网络预测模型的预测精度要高于反向传播、支持向量机和常规Elman，同时也说明了建立改进型Elman模型用于短期电力负荷预测是可行的。

简介：将神经网络技术和房地产市场分析预测相结合,建立了基于BP与Elman神经网络的实时动态的房地产市场泡沫预警模型,并以房地产市场数据为对象进行了预警模型的研究,并与BP网络的评价结果作了比较。结果表明：该模型具有很好的预测潜能和广泛的应用前景,用Elman神经网络进行评价的结果比BP网络的评价结果更加精确。对解决房地产市场预警系统的非线性问题,为寻找更科学的房地产市场分析预测方法提供新的途径。

简介：摘要：针对PM2.5具有非线性、不确定性、难以预测的特点，提出了一种GM-AFSA-ELMAN神经网络的混合特征选择算法，首先是通过灰色关联的分析方法选出与PM2.5相关性较强的特征变量，过滤掉一些相关性小的特征变量。然后利用人工鱼群算法(AFSA)强大的寻优能力对ELMAN神经网络进行初始化、权值优化。接着利用ELMAN神经网络建立相关变量与 PM 2.5 浓度之间的软测量模型，并利用所监测到的数据对模型进行训练，最后将该模型应用于实际环境中，结果表明该方法具有较高的精度和收敛速度

简介：

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.

简介：