通过采用神经网络中的Clipping方法和MonteCarlo修改学习算法，对用于光学模式识别的纯相位二值化匹配滤波器进行了优化设计。计算机模拟结果表明，和传统的纯相位匹配滤波器的相关输出结果相比，其识别输出的信噪比和信号相关峰值得到了明显的提高，从而为今后的光学实现奠定了良好的基础。-Through the use of neural network methods and MonteCarlo modify Clipping learning algorithm for optical pa

分析了支持向量回归机在能源需求预测中的优势,确定了输入向量集合和输出向量集合,建立了基于Matlab技术的SVR能源需求预测模型.对我国1985-2008年能源需求相关数据进行模拟与仿真,并对中国2010年和2020年能源需求量进行预测.研究结果表明:一是中国未来对能源的需求量逐渐增加,从2010年的330400万吨标准煤上升到2020年418320万吨标准煤,年均增长率为2.39％；二是在解决我国能源系统小样本.非线性及高维模式识别问题中SVR比BP神经网络等方法有更高的预测精度.-Suppo

关于神经网络控制，未来线路预测,分析误差,有借鉴意义哦。- On neural network control, Future line prediction, error analysis, There are reference Oh.

未来线路预测,分析误差,阵列信号处理的高分辨率估计，是一种双隐层反向传播神经网络。- Future line prediction, error analysis, High-resolution array signal processing estimates, Is a two hidden layer back propagation neural network.