神经计算理论

该项目经过三年研究，侧重于运用更深入的数学理论和方法如微分流形、代数拓扑、统计推理和小波理论等对神经网络的变换机理、所组成空间的流形和拓扑结构、信念神经网络模型的学习理论、基于前馈动力学的联想记忆模型、基于遗传算法的神经网络优化、神经近似逻辑、思维模型等神经计算的前沿领域进行了深入的研究，提出了指数神经网络模型、建立了神经场计算理论框架、神经近似逻辑、具有高存储容量的联想记忆模型和人类思维层次模型等。在理论研究的基础上，建立了两个人工神经网络系统，即基于神经网络模型的适应数据分析系统ADAS和模糊神经网络系统FNNS。该项目在理论上有创新，达到当前的国际先进水平，达到并且超过预定目标。