简介：链路预测是网络信息挖掘的主要研究内容，通过对网络结构和其他信息的分析，挖掘缺失的链接或预测未来可能出现的链接。链路预测在推荐系统、社会网络和生物网络分析中有着十分广泛的应用。本文首先介绍了基于公共邻居、路径和随机游走的8种常用的链路预测指标．并在此基础上提出了一种基于这8种指标线性组合的度量指标，并经过实验找出了较好的优化参数。然后，提出了基于这8种指标的神经网络模型．并分别基于Weka平台和FANN库进行了实现。在社会网络的4个公开测试集上的实验结果表明．基于FANN库的神经网络模型的预测结果最好，在4个数据集上最高的AUC值分别达到了0。95l8、0．9289、0．7480和0．8677，与单一指标最好的AUC值相比分别提高了3．92％、1．45％、7．06％和24．35％。

简介：本文利用BP神经网络建立起66例肝硬化治疗结果数据预测模型，并基于matlab得出预测结果。实验证明利用BP神经网络可有效地预测肝病治疗效果。

简介：利用查表确定标准正态分布的函数值非常有限,这给工程应用带来很多不便。文章讨论了基于神经网络计算标准正态分布函数值的方法、数学原理、网络构造和学习过程。示例表明,计算简洁、方便,准确率能达到10^-6。

简介：本文用矩阵测度研究了一类区间联想神经络的稳定性,给出了其稳定的判别准则,推广和改进了文[1-2]的工作。

简介：本文通过构造Lyapunov函数和利用不等式分析技巧，研究了具有时滞的细胞神经网络的稳定性，给出了与时滞无关的网络渐近稳定的充分判据，该判据可用于时滞细胞神经网络的设计与检验，有重要的理论意义与应用价值。

简介：研究具有时滞的细胞神经网络的稳定性问题，通过构造合适的Lyapunov函数及不等式分析技巧，给出了时滞细胞神经网络全局稳定的新的充分判据，这些结论推广了已知文献中的结果。

简介：以卷积神经网络为代表的深度学习算法在医学影像分析领域正引起广泛美注，并取得了令人惊叹的进步。为了进一步提高卷积神经网络在计算机辅助筛查肺结节应用的准确率，本文设计了2种改良的深度卷积神经网络，这些改进加快了神经网络的训练速度．有效地防止了算法的过拟合。相比只采用二维卷积核的其他检测模型，该模型能够有效地学习到CT影像三维重建后的图像特征。通过实验，改进的检测模型在LUNAl6数据集上的准确率明显好于其他模型，这种网络结构也可用于医学影像领域中其他三维图像的检测场景。最后，构建了一套适用于远程医疗的“计算机辅助肺癌筛查与诊断系统”，该系统能够自动检测出CT影像中肺结节，并给出结节的良恶性概率评估。通过该系统的应用，可以有效缓解放射科医生超高的劳动强度，提高阀片效率，服务更多患者；减少漏诊和误诊发生的次数，有助于提高肺结节的诊断准确率；从而促进我国肺癌早筛工作的推广。

简介：研究了神经网络对课堂教学质量进行综合评估的原理、方法和过程,并成功地应用于实际中,结果表明该方法简洁,准确,并能克服各种人为因素.

简介：建立用以评价地球大气健康度的模型,选择AQI作为健康度的指标,采用双层网络的形式构建模型。局部网络采用经粒子群算法优化的神经网络,而全局连接通过特定传播函数定义的反馈边将节点连接起来,并以上一年的结果作为输入,本年的结果作为输出,建立起一个自治系统。从拟合效果、关键节点和节点关系变化等几个方面测试了网络的性状。选择日本、印度、匈牙利等几个典型国家在1985—2008年的相关数据进行研究。结果表明,模型具备功能上的完备性和极好的灵活性,与历史事实符合得很好,可以为决策者提供有价值的支持信息。

简介：针对目前BP神经网络在实际应用中，网络结构难以确定以及网络极易陷入局部解问题，用遗传算法优化神经网络的连接权和网络结构，在遗传进化过程中采取保留最佳个体的方法，建立基于遗传算法的BP网络模型，同时通过实例说明该模型在降水预测中的应用，计算结果表明该方法的预测精度较高。

简介：基于解的充分必要条件,提出一类广义变分不等式问题的神经网络模型.通过构造Lyapunov函数,在适当的条件下证明了新模型是Lyapunov稳定的,并且全局收敛和指数收敛于原问题的解.数值试验表明,该神经网络模型是有效的和可行的.

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：在滑动式验证码完成滑动验证的过程中,正确区分出操作者是“机器”还是“个人”对于网络安全至关重要.本文利用人和机器完成验证所留下的滑动轨迹提取特征,运用机器学习中的神经网络算法和MATLAB软件对其进行实证研究和分析,建立神经网络分类模型预测验证操作者的类别.结果表明,BP神经网络模型预测准确度很高,在一定程度上为网络安全提供了保障.

简介：研究了具有变时滞Hopfield型神经网络的正不变集与吸引集.获得了正不变集与吸引集存在性的充分判据.

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：线性矩阵不等式的优良性质可用于解决细胞神经网络中的保性能控制问题.本文介绍了线性矩阵不等式的相关概念和性质;通过对Schur补引理的改进提出了一个引理,从而更容易将二次矩阵不等式转化为线性矩阵不等式,更好地应用于控制参数求解;提出了LMI的基本问题和MATLAB工具箱,并对LMI在细胞神经网络的保性能控制问题作出了简要描述.

简介：在时间尺度上，通过使用线性动力方程的指数二分法、不动点理论和微积分理论，研究带有泄漏项的中立型时滞细胞神经网络模型，获得了一些使其概周期解存在和全局指数稳定的充分条件，并将以前的结论在时间尺度上做了扩展．

简介：通过使用叠合度理论、M-矩阵、李雅谱诺夫函数和不等式技巧等，在时间尺度上研究带有狄利克雷边值和反应扩散项的非自治模糊细胞神经网络的全局指数稳定性，并获得一些使其存在全局指数稳定的平衡点的充分条件．最后，给出一个例子去验证结论的有效性．

简介：假设人口增长和人类文明是生态退化的主要驱动因素,结合福雷斯特世界动力学模型,利用机器学习的方法,建立了双层通信网络模型(TCNM)来研究生态退化的问题。

简介：风力发电是最具开发潜力的非水电再生能源,为保证电网的功率平衡和运行安全,需要对风电功率给出准确的预测。对于风电功率预测通常可采用以下3种方法:三次指数平滑法、ARMA方法以及灰色预测方法,但预测准确性不高,而采用风电功率预测的组合预测方法可以提高风电功率精度。将4种预测方法运用到实际风电功率算例中,由数值计算结果可以得出组合预测方法预测风电功率得到的结果精度较高。