基于神经网络的分词方法

本文在分析目前自动分词各种方法的基础上,提出了一种新的神经网络分析方法。这一新方法是以模拟人脑并行,分布处理和建立数值计算模型工作的。它将分词知识所分散隐式的方法存入神经网内部.通过自学习和训练修改内部权值,以达到正确的分词结果。最后给出神经网络自动分词结果。

中文文本压缩的LZW算法

本文报告两个关于中文信息处理研究的结果:(1)采用Cover的方法,猜估中文信息熵,实验表明,中文信良熵不大于4.1bits/字。(2)根据中文的结构特性,选择Welch型的Lemple-Ziv数据压缩算法,把它移植、扩展于中文文本压缩上。应用该算法于不同类型的中文文本,本文获得一些中文文本压缩实际性能值。

汉语普通话声母的分类与识别

本文提出了一种实时高效的汉语声母识别新方法。采用声母二次识别的策略,即先用五个时域特征参量将声母分类,然后用语音分布知识及模板匹配法对类内元素进一步进行处理以最后确定识别结果,这种新方法已应用于基于声、韵识别的汉语声控打字机,它也适合于不认人识别系统,本方崇已在IBM PC/XT、286等机上实现,经训练识别率可达95％以上。

神经网络及其在信号处理中的应用

本文首先对神经网络作了概括介绍,综述了在信号处理中的应用情况,指出了一些重要的神经网络模型在不同的信号处理问题中的意义,讨论了进一步值得探索的方向。

基于人工神经网络的语音多脉冲激励矢量量化器的设计及其性能分析

本文讨论了人工神经网络技术在语音压缩编码方面的应用,提出了一种用Kohonen网络实现语音多脉冲激励分析模型的矢量量化方法。该方法将参数分析和量化编码熔为一体,和传统的先分析、后量化方法相比较,具有许多优良的特性,如全并行处理、过程简化等。本文针对语音多脉冲激励模型,提出了量化网络的结构和学习规则,并将此方法和传统方法进行了比较。最后对网络的压缩性能进行了计算机模拟,结果表明应用人工神经网络进行语音信源的压缩是切实可行的。

有限状态矢量量化相关编码方案

本文提出了有限状态矢量量化相关编码方案。分析了该方案对线性相关高斯源的率失真性能,并将分析结果与相关编码理论界及未考虑信源间相关性的编码结果作了比较。将该方案实际应用于分析合成自适应预测语音编码系统,它有效地利用了声道参数码矢和激励参数码矢之间的冗余信息。

双向联想记忆的匹配滤波器建模、分析与性能改进

本文利用匹配滤波器组将Kosko提出的双向联想记忆(BAM) 建模为非线性闭环反馈系统,研究了模型中样本模式的稳定性与吸引性,给出并证明了稳定性和吸引性的几个充分条件。为了加强模型的记忆与误差校正能力,我们用指数非线性递增函数来提高检索模式与近邻样本的相关性,进一步讨论了修正后模型的稳定性与吸引性,分析表明模型的性能得到了很大改善。

分形神经网络中的收敛性

近年来,许多学者对具有联想记忆功能的神经网络模型进行了广泛研究,提出了多种模型结构和学习算法,其中有代表性的是 Hopfield 模型。但该模型的记忆容量很有限,误差校正能力也不强。所以,寻找高性能的新的联想记忆模型,是神经网络研究中的一个重要内容。

M－序列在脑干听觉诱发电位检测中的应用

传统的诱发电位检测法—时间锁定平均法是一种耗时的方法，不适于某些应用。本文介绍一种快速检测诱发电位的方法—Ｍ－序列检测法。文中给出了利用Ｍ－序列检测脑干听觉诱发电位的原理，并介绍了实验系统。理论表明，这项技术能够获得传统平均法（Ｌ＋１）２／４Ｌ倍的检测信噪比，其中Ｌ是序列的长度。在猫和正常人身上所做的试验显示，它比传统的方法能更好地改善检测信噪比。

基于多级神经网络结构的手写体汉字识别

本文提出了一种用于手写体汉字识别的多级神经网络结构（Ｍｕｌｔｉ－ｓｔａｇｅＮｅｕｒａｌＮｅｔｗｏｒｋＡｒｃｈｉｔｅｃｔｕｒｅ，ＭＮＮＡ）模型。在该模型中，我们将多个神经网络和不同的特征提取方法有机地集成在一起而构成一个完整的模式识别系统。我们讨论了设计ＭＮＮＡ的一般原理，并提出了一个基于多层前馈神经网络的三级结构的手写体汉字识别实验系统。三种不同的特征提取方法被应用于各级子系统之中。对１００个汉字１５０００个样本的实验我们得到了９９．３４％的识别率，０．３６％的拒识率和０．３％的误识率。

几种伪随机序列应用于诱发电位检测的性能比较

伪随机序列技术作为一种快速检测诱发电位的技术已得到重视。本文主要对几种常用序列Ｍ序列、巴克序列和格雷互补序列等应用于诱发电位检测时的性能进行研究，分别给出了它们的解卷积算法及用于诱发电位检测时相对于平均法的信噪比改善倍数。理论及实验表明，Ｍ序列在检测信噪比改善方面较另两种序列好。

利用伪随机序列相关辨识检测视觉诱发电位

诱发电位在临床诊断及中枢神经系统的研究中有重要意义。目前的诱发电位检测方法是平均法，由平均法获得的诱发电位远不能满足许多实际应用的需要。本文利用伪随机序列相关辨识技术，实现了快速检测视觉诱发电位。文中对这项技术的原理作了详细的描述，给出了检测算法，并分析了检测信噪比相对平均法的改善情况。实验结果显示，这项技术能大大缩短检测时间，对克服时变因素的影响，减少病人的痛苦，以及对诱发电位在神经外科手术中的应用都有深远意义。

关于前馈多层神经网络多维函数逼近能力的一个定理

本文首次证明了前馈神经网络多维函数逼近能力的一个重要定理:当隐层神经元数目足够多时,其多维函数逼近能力与维数无关.也就是说我们只需研究其一维函数逼近能力,所得的结论完全适合于多维情形,该定理大大简化了前馈多层神经网络函数逼近问题的分析难度。本文还给出了该定理的一个应用。

手写体汉字识别中的一种新的特征提取方法——弹性网格方向分解特征

本文研究手写体汉字识别中的一种新的特征提取方法—弹性网格方向分解特征，在该方法中，我们将手写体汉字进行横、竖、撇、捺四方向的分解，然后根据该汉字的笔划分布构造一组非均匀的弹性网格，将弹性网格分别作用于汉字的四方向分量上，统计汉字象素点在网格中的概率分布来作为特征。对１０３４类汉字共５１７００个手写体汉字样本的实验我们得到了９４３９％的识别率，表明该特征提取方法是十分可行和有效的。

连续双向联想记忆模型的稳定性分析

对于连续型Ｈｏｐｆｉｅｌｄ模型的平衡态特征，目前人们已经得到了很多富有意义的成果，本文说明，连续Ｈｏｐｆｉｅｌｄ模型的大部分结论都可以推广到连续双向联想记忆（ＢＡＭ）模型，我们重点讨论了平衡态条件、渐近稳定性以及围绕一稳定平衡点的吸引域等问题，所得到的结论对于ＢＡＭ的设计和应用都是很有意义的。

将词类信息融入三元文法统计模型的汉语音字转换方法

本文给出了一种将词类信息融入三元文法模型的汉语组合语言模型。理论分析和实验均表明:该模型不仅复杂度低于三元文法模型,而且对测试文本域的依赖性也优于前者。

时序自适应滤波技术用于听觉诱发电位的跟踪

本文针对诱发电位是具有重复出现特性的非平稳信号这一特点，利用时间序列自适应滤波技术对听觉诱发电位进行动态跟踪，时间序列自适应滤波技术将非平稳的听觉诱发电位进行分段处理，每段用一个专门的ＬＭＳ自适应信号增强滤波器来实现，实验表明，利用这一新方法不但能够得到优于常规平均技术的结果，更重要的是它能不断地跟踪诱发电位的变化轨迹，提供变化的细节，为临床诊断和神经生理学的研究提供有力的手段。

基于 FoxPro for Windows 的汉语语料库系统的构造

探讨了一个基于ＦｏｘＰｒｏｆｏｒＷｉｎｄｏｗｓ的汉语语料库系统。该系统由语料库和语料库管理系统组成；前者经过了分词和语法标注，后者具有系统维护、语料统计和检索功能。结果表明，该系统直观、明了、通用，具有较大的实用价值。

语音识别中的神经网络DTW结构

本文介绍语音识别中一种基于动态规划技术的时间规正算法DTW的神经网络实现方法.DTW是语音识别中最为有效的方法之一,它具有较强的鲁棒性且为语音识别系统提供了可能的最高识别率.但由于其计算量太大,除非用专门的硬件,DTW算法在实现时受到了限制.在本文中,所有的计算是由两个循环神经子网和一记忆层来完成的,该方法展示了算法的硬接线结构,(hard-wiring)的优越性,这为DTW的硬件实现提供了一种新的实施策略.

混沌序列与多址通信

混沌序列具有对系统初始条件和参数的极端敏感性。首先,本文提出了一种基于混沌序列的多址通信模型;其次,介绍了一种产生混沌序列的实际电路,并对多址通信进行了分析;最后在仿真实验中,我们进一步说明了多址通信中混沌序列比M序列和Gold序列具有更好的抗干扰性和保密性。