摘要：提出了一种新的联想记忆系统——基于牛顿前向插公式的联想记忆系统（ＮＦＩ－ＡＭＳ），用以实现在任意阶多变量多项式函数的高精度逼近，设计了相应的学习方法，并证明了在通常情况下对于任意多变量连续函数，ＮＦＩ－ＡＭＳ的学习总是以任意精度收敛的．该系统较之传统的ＣＭＡＣ类型的ＡＭＳ，具有所需供学习的样本点较少，学习精度高和存储单元空间较小的优点，且比多层ＢＰ网络具有学习算法简单和收敛速度快的特点，可望在智能控制与信号处理，模式识别中得到应用．

摘要：为了从强自发脑电ＥＥＧ背景中提取视觉诱发脑电（ＶＥＰ）信号，按内模滤波方法，利用递推最小二乘算法估计叠加后的ＶＥＰ信号的内模参数；然后以在线迭代的方式来设计具有自适应能力的内模滤波器，并将其与小波变换方法恰当结合．临床试用结果表明，此法比单纯采用按典型ＶＥＰ信号的内模参数设计内模滤波器，或单纯采用小波变换法提取ＶＥＰ信号效果更理想．

摘要：基于离散泰勒级数提出一种对多维函数可实现任意阶逼近的新型CMAC神经网络———DTS CMAC ,详细讨论了该系统的插值算法、训练规则 ,与传统CMAC相比 ,DTS CMAC具有学习精度高、学习速度快及占用存储单元少等优点。基于DTS CMAC设计了一种高性能的机械手轨迹跟踪分布式智能控制方案 ,并以肘关节为例 ,设计了机械手关节转矩控制器 。

摘要：提出了内模滤波新方法的基本思想和设计方法．针对从强自发脑电（ＥＥＧ）背景噪声中提取视觉诱发脑电（ＶＥＰ）信号这一极低信噪比（ＳＮＲ）情况下的滤波问题，先利用递推最小二乘算法估计出典型ＶＥＰ信号的内模多项式的参数，再据此设计内模滤波器．给出了内模滤波器的设计方法，并用于提取ＶＥＰ信号．数字仿真和临床试用结果表明了内模滤波器具有低ＳＮＲ下的信噪分离能力．

摘要：基于牛顿前向插值公式提出一种对多维函数可实现任意阶逼近的新型CMAC神经网络———NFI CMAC,详细讨论了其插值算法、训练规则及寻址机制.与传统CMAC相比,NFI CMAC具有学习精度高、学习速度快及占用内存单元少等优点.基于NFI CMAC设计了一种高性能的机器人轨迹跟踪分布式智能控制方案,仿真研究表明了该方案的可行性与有效性.