摘要：本文通过对ＢＰ网络与ＡＲＴ网络用于机械设计分类决策及表达的对比性研究，分析和讨论了ＢＰ网络和ＡＲＴ网络在该方面的应用特点，对该问题的进一步研究具有积极意义。

摘要：构造了一种用于Ｖ带带型选择的改进的ＡＲＴ网络结构并讨论了其应用方法。它具有决策合理、便于回溯、自学习性较好等智能化特点，可方便地用于Ｖ带智能设计系统并可推广到其它智能ＣＡＤ系统中。

摘要：为了解决自适应共振理论(adaptive resonance theory,art)网络对新的输入样本处理能力差,网络记忆能力差,径向基(radial basis function,RBF)网络选择径向基函数,确定隐节点数目困难的问题,设计了一种基于art与RBF网络的混合网络模型。将art网络的特点引入到RBF网络中,通过art网络的识别与比较功能快速确定RBF网络最少的隐节点数目,同时通过art理论中警戒门限的检验在线确定是否合并或删除隐节点。并且引入了异常数据修正方法和模糊预处理方法。通过MATLAB神经网络工具箱,对该混合网络进行仿真试验。结果表明:该方法能够有效地减少隐含在数据中的随机性,加快神经网络收敛速度,提高神经网络的建模精度。

摘要：具有广泛应用潜力的ＡＲＴ网络的主要缺陷之一，是其警戒线参数的取值大小完全依赖使用者的经验，迄今无有理论及方法上的指导；本文分别通过蒙特卡洛抽样来获取大量模式样本、并应用模糊聚类的优化分割技术进行最佳分类；然后，在最佳分类的基础上，将模式样本序贯输入ＡＲＴ网络，同时调整警戒线参数，直至建立起准确的分类器；最后，将不同分类数下对应的譬戒线参数拟合成经验公式，从而为给定分类数下较准确获取警戒线参数解决了重要的技术困难。

摘要：为提高多学科设计方法的求解性能,构建了混合神经网络匹配响应面的多学科优化设计方法.将BP网络以及art网络的优点相结合,为充分利用学科级优化时获得的目标结果样本自适应地改变传统固有的响应面结构,从而提高了响应面的精度,减少了学科级优化迭代的次数,进而提高了整个多学科优化方法的求解效率.通过具体的优化实例验证了该方法,以获得优化解的精度、优化解的平均迭代次数以及整个迭代占用的时间作对比,结果表明混合神经网络匹配响应面的多学科设计方法既能提高优化解的精度,又能提高算法的求解效率。

摘要：在传统的art网络及BP网络基础上分别作了改进,有机地结合了两种网络的优越性,并对输入数据进行模糊预处理,从而构建了新的比较健壮的网络模型,并具体给出了网络的模型结构及工作原理.该网络的特点是:检测故障的类别数可以增加,能累计增加新的样本类节点,且能分阶段训练。

摘要：结合 Ｖ 带传动智能 Ｃ Ａ Ｄ 系统的总体结构、系统回溯等问题，通过 Ａ Ｒ Ｔ 网络在 Ｖ 带传动智能 Ｃ Ａ Ｄ 系统中的一个具体应用实例。