1、人工神經網絡在優(yōu)化控制和模式識別方面得到了廣泛的應用。本文對人工神經網絡方法在ATM(AsynchronousTransferMode，異步傳輸模式)信元優(yōu)化調度和三維物體相位特征識別中的應用進行了研究。 1.基于神經網絡的信元優(yōu)化調度：在多重隊列中采用每條入線在同一個時隙內可傳送多于一個信元的策略，提出了兩種新的Hopfield神經網絡的能量函數，進而利用Hopfield神經網絡實現(xiàn)對信元的控制和調度。計算機仿真模擬比較表明，

2、我們所提出的這兩種方法均提高了吞吐率，減少了信元時延，并降低了信元丟失率，消除了隊頭阻塞造成的性能惡化，提高了ATM交換結構的性能，實現(xiàn)了信元整體上的優(yōu)化排程控制。由于Hopfield神經網絡易于電子或光電技術實現(xiàn)，交換結構和緩沖器也無需加速，因此，這兩種方法不失為有效的信元優(yōu)化調度方案。 2.基于神經網絡的相位特征識別：提出一種基于人工神經網絡的三維物體相位特征識別方法。首先利用波長掃描數字全息技術提取物體的相位特征，然后將物