1、构成了正交递归神经网络，首次将正交递归神经网络用于系统时滞辨识和系统输入阶次辨识。

2、研究基于递归神经网络的潜油电泵排量辨识方法，设计了隐层反馈、输出层反馈及自反馈的递归神经网络结构。

3、本文用递归神经网络逼近非线*ARMA模型预测电力短期负荷。

4、提出一种准对角递归神经网络(QDRNN)结构及学习算法。

5、应用实例验证了所提出的递归神经网络预测模型的有效*。

6、实验结果表明，递归神经网络用于飞机目标识别是有效可行的。

7、由于其反馈特征，使得递归神经网络模型能获取系统的动态响应特*。

8、针对可控受限多变量耦合系统，提出了一种基于对角递归神经网络(DRNN)整定的PID混合解耦控制。

9、基于递归神经网络给出了仅含一个非线*环节的一类非线*系统的自适应控制方案。

10、无限区间上s -分布时滞广义递归神经网络模型概周期解的全局渐近稳定*。

11、利用对角递归神经网络在线自适应调整PID控制器的参数，从而使系统的静态和动态*能指标较为理想。

12、提出一种基于动态递归神经网络的自适应pid控制方案，该控制系统由神经网络辨识器和神经网络控制器组成。

13、针对板带轧机液压agc系统在线故障诊断问题，建立了一种基于非线*自回归滑动平均模型NARMA的递归神经网络，通过AIC定阶法确定模型阶次。

14、为使问题的解能实时、可靠地完成，将一种用于最短路径计算的双层递归神经网络应用于路由选择的流量导数法中。

15、实验结果表明，基于对角递归神经网络整定的PID控制的交流伺服系统具有响应速度快、稳态精度高和鲁棒*强等特点。

16、本文介绍了利用B样条和动态递归神经网络相结合组成的复合神经网络建立聚合物分子量分布（MWD）模型的方法和拓扑结构，并在此基础上，提出了基于模型预估的控制MWD的新方法。

17、应用该模型对线*结构和非线*结构在变阻尼控制和外荷载激励下结构的响应进行了数值*，表明所提的动态递归神经网络可以达到较高的预测精度。