简介：

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：氨基酸序列编码问题一直是在蛋白质结构预测中导致算法输入空间较大的主要原因。只有对氨基酸序列进行更好的编码．才能为后续进行计算机分析打下基础。提出并实现了综合考虑了氨基酸序列的划分和长程作用效应，利用氨基酸正交编码区分每个氨基酸个体，利用基本正交矩阵获得氨基酸在物理、化学、生物上的相似性，利用分属概率来获得当前蛋白质序列中氨基酸构成不同二级结构的趋势的新的混合编码方法，从而改进了氨基酸残基序列编码，并利用现有算法比较了不同编码方式对蛋白质二级结构预测的影响，结果证实该编码方式能够提高蛋白质二级结构预测的准确性。

简介：蛋白质是细胞中的主要功能分子,是生命的物质基础,蛋白质的功能是通过蛋白质之间相互作用而发挥的,而蛋白质相互作用界面上只有很少数的被称之为＂能量热点＂的残基对相互作用贡献了大部分的结合自由能,如何识别这些能量热点是目前生物信息学领域比较热门的研究问题。其中基于机器学习的蛋白质能量热点识别中,特征选择方法的使用对识别模型的性能影响非常大。该文中,笔者通过对蛋白质能量热点识别中的特征选择方法的研究现状进行全面的分析,指出还存在的一些问题及以后改进的思路和方向,为蛋白质能量热点预测准确率的提高奠定基础。

简介：实验提出了一种基于词频统计的蛋白质关系知识发现方法，该方法首先通过生物命名实体识别技术识别出蛋白质实体，然后统计共出现频率，形成候选实体对，从而发现最有可能的实体关联。

简介：也许人脑的操作平台是上帝安装的人脑不用任何软件是怎样运行的？欧洲研究人员说，一个全新的神经计算领域将解开答案。他们已经设计出了一个“芯片上的大脑”原型，这是未来神经计算机的雏形。

简介：人工神经网络系统作为人工智能方法主要代表之一，在模式识别、信号处理、控制系统等工程领域应用广泛。近几年来，人工神经网络系统在金融业、保险业等社会科学领域越来越活跃，具体在银行贷款风险评估、信用卡交易诈骗预防、证券价格预测等项目上人工神经网络系统都取得了很好的效果。笔者根据自己在IT业和金融业多年工作经验，初步运用人工神经网络系统进行上市公司虚假财务报表辅助识别，取得了不错的效果。

简介：该文介绍了一类Hopfield神经网络模型问题,证明了此类系统的平衡点是全局指数稳定的。

简介：针对人工神经网络的课程特点,提出将前沿科技引入教学内容,基于兴趣与任务驱动开发一系列课程案例,对教学内容和教学方式进行课程改革。介绍在实验教学环节基于倒立摆系统开发出的一系列实验案例。

简介：针对传统BP神经网络用于谐波检测时存在收敛速度慢、易陷入局部最小值的缺点,提出用混合蛙跳算法代替BP神经网络中梯度搜索算法的混合蛙跳算法神经网络,并将其用于电力系统谐波幅值与相位测量。根据电力系统所含谐波特点,构建谐波检测的神经网络模型,阐述混合蛙跳算法神经网络的基本原理。以三次谐波为例,给出神经网络训练方法以及训练样本如何构建。仿真结果验证所提方法的可行性,其收敛速度、检测精度均优于BP神经网络。最后用训练好的神经网络检测未训练的样本,实验结果验证该网络具有良好的泛化能力。

简介：以设计识别26个英文字母的神经网络为例,介绍了利用MATLAB神经网络工具箱进行模式识别的基本步骤,并对训练的结果进行了分析,说明了在解决此类问题时要充分考虑噪声对辨识率的影响。