基于小波神经网络的光谱数据压缩与分类研究

文中介绍了一种基于小波分析而构造的神经网络模型——小波神经网络．利用它并适当选取网络结构和小波基，实现了对化学物质红外光谱数据的压缩表达和分类．实验表明，网络在大幅度压缩数据的同时能很好地恢复原始光谱、较准确地反映吸收峰的位置和强度．在分类方面它比其它网络具有更高的分辨率和特征提取能力．通过与ＢＰ网络的训练结果对比，小波神经网络具有自适应性强、收敛速度快及可屏蔽随机噪声等优点，特别适用于非平稳、非线性信号的分析研究．因此，小波神经网络在光谱处理方面有着较好的应用前景和优越性．

基于小波神经网络的光谱数据表征与分类研究

介绍了一种新的神经网络模型——小波神经网络，利用它并适当选取网络结构和小波基，实现了对化学物质红外光谱的压缩表征和分类，取得了令人满意的效果，说明小波神经网络在光谱处理方面有着光明的应用前景和优越性。

脑电信号数据压缩及棘波识别的小波神经网络方法

在对小波神经网络及其算法研究的基础上，提出了一种对脑电信号压缩表达和痫样脑电棘波识别的新方法。实验结果显示，小波网络在大量压缩数据的同时，能够较好的恢复原有信号。另外，在脑电信号的时频谱等高线图上，得到了易于自动识别的棘波和棘慢复合波特征，说明此方法在电生理信号处理和时频分析方面有着光明的应用前景。

子波神经网络在光谱数据压缩与分类中的应用

利用子波神经网络并适当选取网络结构和子波基，实现了对化学物质红外光谱数据的压缩表达和分类，取得了令人满意的效果。

小波神经网络在脑电信号数据压缩与棘波识别中的应用

介绍了一种新的神经网络模型———小波神经网络，利用它并适当调节网络、小波基参数，实现了对脑电信号的压缩表达，较好的恢复了原有信号。另外，在其算法研究的基础上，提出了适应于非稳态和非线性信号处理的时频分析新方法。在脑电信号的时频谱等高线图上，得到了易于自动识别的棘波和棘慢复合波特征，与传统的短时傅立叶变换（ＳＴＦＴ）和Ｗｉｇｎｅｒ分布相比，此方法有更高的分辨率和自适应性，而且其时频能量分布没有交叉项干扰。

脑电信号数据压缩及棘波识别的小波神经网络方法

本文在对小波神经网络及其算法研究的基础上,提出了一种对脑电信号压缩表达和痫样脑电棘波识别的新方法。实验结果显示,小波网络在大量压缩数据的同时,能够较好的恢复原有信号,另外,在脑电信号的时频谱等高线图上,得到了易于自动识别的棘波和棘慢复合波特征,说明此方法在电生理信号处理和时频分析方面有着光明的应用前景。

基于人工神经网络的光纤智能材料与结构的损伤估计

以光纤智能材料与结构中的损伤估计为目的，根据光纤阵列传感信号处理的需要探索了人工神经网络处理信号的原理与结构，给出了ＢＰ网与Ｋｏｈｏｎｅｎ网的仿真结果。

基于光时域反射技术与缠绕式光纤传感阵列的结构状态监测方法

提出了一种新颖的、利用多模光纤缠绕钢绳式的传感阵列网络， 对智能材料与结构的受力、应变等状态参量进行了监测和估计， 并采用了光时域反射技术实时处理并行分布式传感信号， 给出了测试数据。

光纤智能材料与结构损伤估计的神经网络处理

以光纤智能材料与结构中的损伤估计为目的，根据光纤阵列传感信号处理的需要探索了人工神经网络处理信号的原理与结构，给出了ＢＰ（ｂａｃｋｐｒｏｐａｇａｔｉｏｎｎｅｕｒａｌｎｅｔ－ｗｏｒｋ）网与Ｋｏｈｏｎｅｎ网的仿真结果。