HCH-立方体在比较模型下的可诊断性

新型并行处理系统的研制依赖于对新的互连网络的结构和它们的性质的研究,超立方体和交叉立方体是流行的互连网络,它们都有优点也有缺点.对由超立方体和交叉立方体构成的HCH-互连网络的可诊断性进行了研究,证明了当n≥4时,n维HCH-立方体互连网络在比较模型下的可诊断性为n,与超立方体和交叉立方体在比较模型下的可诊断性相同.     

基于矩形函数系的模糊神经网络及其应用

提出了一种基于矩形函数系的模糊神经网络，其特点是输入空间被划分为许多大小一致且互不相交的超立方体，而每一个超立方体中的模糊神经网络都具有常值输出，只有当一个超立方体内落入样本时，相应的样栈才被编码后作为“规则”记忆下来。因此，这种网络可以自动生成模糊规则，关于静态误差的定理表明，将这种网络用于一类非线笥系统的在线控制中，当输入空间的划分足够小时，可使非线性系统的静态误差任意小，仿真实全怨表明，将这     

折叠超立方体网络的t/k诊断问题

为提高系统故障诊断的诊断度,Somani 和Peleg提出了t/k诊断故障策略. n维折叠超立方体网络是具有2n个顶点,(n+1)2n-1条边的(n+1)-维正则图,它是n维超立方体网络增加2n-1补边得到的.中证明了当n≥6和1≤k≤n+1时n维超立方体网络是t/k可诊断的,其中t=(k+1)(n+1)-1/2(k+1)(k+2)+1.     

变形超立方体的圈和路嵌入(英文)

作为超立方体网络Qn的变形,n维变形超立方体VQn具有许多优于超立方体所具有的性质.这里证明了对任何整数l∈[4,2n],VQn中每条边被包含在长度为l的圈中除非l=5;对任何顶点对(x,y)和整数l∈[d,2n-1],其中,d为这两点之间的距离,VQn中存在长度为l的xy路除非当d=1时l=2,4.     

基于超立方体与交叉立方体的交叉连接的HC-立方体网络

给出了在超立方体与交叉立方体的顶点之间的一种连接——交叉连接,从而得到一种称为HC-立方体的新型网络,证明了HC-立方体不仅保持了超立方体和交叉立方体的低顶点度数和高连通度的优点,而且其直径至多比交叉立方体大2的性质;它克服了超立方体对圈模拟能力的不足。由于这种网络同时包含了超立方体和交叉立方体作为子网络,因此它既能实现超立方体的功能,又能实现交叉立方体的功能。     

广义超立方体的点扩张

通过广义超立方体的一种点扩张方法构造了广义超立方体循环网络，它包括了人们熟悉的带环连通立方体；证明了广义超立方体循环网络是Cayley图。     

扭立方体连接网络中超立方体的嵌入

超立方体是网络参数和拓扑性质优良，应用最广泛的互网络之一它可模拟多种结构的互连网络，扭立方体连接网络是超立方体的一个变种，它具有良好的结构递归性和较理想的网络参数，根据其结构的递归性质，研究了扭立方体妆网络中超立方体的嵌入问题。     

基于超立方体的双Petersen图连接的互联网络研究

基于Petersen图的短直径与超立方体节点的高可连接性,提出了一种新型的互连网络拓扑结构——基于超立方体的双Petersen图连接的互联网络PHP(n);并对其拓扑性质进行了研究.研究表明PHP(n)网络具有正则性和良好的可扩展性与容错性.另外,还设计了PHP(n)网络上的单播、广播路由算法,证明了其通信效率均为n+...     

关于折叠超立方体的反馈数

研究了一类重要的互连网络拓扑结构折叠超立方体网络Qfn的反馈数．设F为Qfn的反馈集,通过构造剩余子图G[V（Qfn）-F]的极大无圈子图得到极小反馈集,从而得到反馈数的上界,用此方法研究折叠超立方体网络Qfn的反馈数问题．根据n维折叠超立方体网络的性质,提出一种新的方法构造无圈子图,改进了已有的”维折叠超立方体网络的反馈数的上界．结果表明,当n为奇数时构造的Qfn＋z的无圈导出子图的整体连通性能与已有结论中构造的Q中无圈导出子图R∪Qfon是一致的．     

基于超立方体Q_n节点编码的边不交最优路径

基于超立方体节点编码的特点,得到了n维超立方体Qn中任意两节点s、t之间的两条并行最优路径算法.该算法共包括了11步骤,在最坏的情况下需要执行2n2+4n2次运算,它的时间计算复杂度为O(n2),属于多项式算法.     

数字电路的神经网络模型研究

研究数字电路的Ｈｏ０ｐｆｉｅｌｄ神经网络模型,说明了这种模型的原理及建立方法,并指出这种模型存在的不足,然后研究电路手最优神经网络模型,给出了模型的相关定义,讨论了任意数字电路对应的最优神经网络的存在性,这些建模方法可应用于电路的测试、逻辑验证等领域,能提高相关的计算效率。     

一类二元神经网络的渐近行为

讨论了一类具自反馈二元时滞神经网络模型的渐近行为．根据信号函数的不连续性,我们将模型转化为几个常微分方程组来考虑,通过对建立的一维映射的迭代规律进行分析,得到了该神经网络模型的收敛性与周期解的存在性,描述了周期解的个数,分析了周期解的吸引性．这些结果对于设计网络模型有着重要意义．     

基于神经元连接的脑网络减边演化算法

神经元间的连接以先增大后减小的方式演化,这提示了大脑神经元网络在演化过程中存在“剪除”过程。以“剪除”为启发,本文首先使用数学方法对大脑网络进行建模,然后基于大脑网络中的神经元连接方式,设计了网络减边演化算法。最后,考虑布线消耗和信息传输之间的效率,建立了大神经元优先与距离优先的演化博弈模型,探索该模型对脑网络拓扑结构特性的影响。实验结果显示,在此演化过程中呈现了中心节点度≈200、小世界特性S>1和高效率代价比等性质, 表明该算法能够有效模拟仿神经元剪除机制。上述算法和模型为有效模拟高效低能耗的脑网络提供了一种新途径。     

BP神经网络用于函数逼近的最佳隐层结构

研究采用反向传播算法的人工神经网络用于函数逼近时的支结构。方法,以典型的ｎ输入、单输出的多层ＢＰ网为例,在几种不同的网络隐层结构下对典的连续函数进行逼近训练。,分析各网络输出的全局误差。     

一维Theta-神经元网络中规则单放电行波解的进一步讨论

对一维theta-神经元网络中规则单放电行波解做进一步讨论,得出当细胞之间的耦合作用时间延长后,单放电行波解的存在性,并通过数值模拟对理论加以验证.     

基于忆阻脉冲耦合神经网络的图像去噪

为解决传统脉冲耦合神经网络的参数不固定问题,在图像处理中应用忆阻元件突出的记忆属性,提出了 应用两个忆阻元器件反向并联模拟脉冲神经网络中的神经元间的连接强度,构建新型忆阻脉冲神经网络,实现 神经元间连接强度动态可变化,再将该新型网络用于图像去噪问题。通过Matlab 仿真实验,验证了改进后的 新型网络在图像去噪方面的良好性能,并通过峰值信噪比和图像相似度指标证明了该方法用于图像去噪具有 较好的效果。     

一种基于神经网络的非线性卫星HPA预失真器

卫星通信中放大器使用的行波管(TWT)会引起信号的非线性畸变,对通信质量造成较大影响.为解决这种不利影响,在放大器前端采用非线性预失真,能较理想地消除放大器的非线性.由于神经网络能够对非线性函数进行较好地拟合,可以将其引入预失真器的设计.为简化神经网络中的LM算法,提出了一种采用LMS算法的系统模型,并建立新的自适应预...     

FLN用于N~+-K~+-ATP酶活力与取代芳烃分子结构的相关性研究(英文)

运用一种新型的无隐含层的人工神经网络———函数连接型网络研究了 38种取代芳烃化合物的分子结构———毒性的定量相关关系 ,计算表明 :函数连接型网络预测结果更为精确和可靠 ,计算结果与实验值之间的相关系数为 0 .956 1～ 0 .9996 ,比多元线性回归结果要好 ,后者的相关系数为 0 .86 9～ 0 .96 5     

光纤陀螺温度漂移模型的PPLN辨识

环境温度变化造成的较大温度漂移始终是制约光纤陀螺(FOG)性能提高的重要因素．FOG温度漂移本质上是一组与温度有关的多变量非线性时间序列，为此采用投影寻踪学习网络(PPLN)方法建立新的FOG温度漂移模型．该方法结合了统计学中投影寻踪算法节点函数灵活的非参数估计特点和人工神经网络的自学习功能，具有简捷的网络结构和良好的鲁棒性能，对未知模型辨识能力较强．将该方法应用于某型FOG温漂模型实测数据的辨识中，经验证表明其具有良好的预测效果．     

基于实向量输入的角分类前向神经网络研究

快速分类是在线信息检索研究者关注的热点 .角分类前向神经网络是一类快速分类神经网络 .给出了一个新型的由两种神经元混合构成的神经网络 ,定义了相应的网络拓扑、学习算法和动力学行为 .分析表明 ,该网络的学习的时间复杂度是线性的 .实验表明 ,与二值神经元构成的神经网络相比 ,该网络在满足快速分类要求的同时 ,其分类准确率有显著的提高