排序方式: 共有2条查询结果,搜索用时 4 毫秒
1
1.
一种改进的PWM型VLSI神经网络的设计 总被引:2,自引:0,他引:2
神经网络的超大规模集成电路 (VL SI)实现是发挥其优势的有效途径。改进了现有的基于脉宽调制 (PWM)技术的 VL SI神经网络设计方式。提出了一种结构简单的突触乘法器 ,它的精度高、线性范围大 ,而且不受开关噪声的影响。设计了一个增益可调的电压型 sigmoid变换电路 ,用以实现不同的神经元激活函数。提出一个 PWM所必需的电压-脉冲转换电路 ,它具有较高的转换精度和线性度。以这 3种电路为基础设计了一个解决异或 (XOR)问题的 PWM型VL SI神经网络。模拟结果表明其功能正确 ,具有较高的识别速度 ,适于神经网络的 VL SI实现 相似文献
2.
刚玉质自流浇注料流变性和流动性的关系 总被引:1,自引:0,他引:1
采用浇注料流变仪、L型流动性测试装置和自流值测定装置,测定了加水量、分散剂(FS10)、纯铝酸钙水泥和α-Al2O3微粉对刚玉质自流浇注料的流变性和流动性的影响,并分析了流变性和流动性之间的关系.实验结果表明:随加水量增加(质量分数4.9%~5.3%),相对屈服应力、相对塑性黏度和相对平均黏度均逐渐减小,自流值和流动速度逐渐增大.随分散剂FS10加入量的增加(质量分数0.16%~0.20%),相对屈服应力、相对塑性黏度和相对平均黏度逐渐减小,自流值和流动速度逐渐增大;分散剂FS10加入量继续增大时(0.20%~0.22%),相对屈服应力、相对塑性黏度和相对平均黏度显著增大,而自流值和流动速度大幅下降.随纯铝酸钙水泥加入量增加(质量分数1%~4%),流变参数和流动参数有一定的变化,但变化不明显.随α-Al2O3微粉加入量的增加(质量分数9%~12%),相对屈服应力和相对平均黏度均减小,相对塑性黏度变化不大,自流值变化不大,流动速度加快.刚玉质自流浇注料流变参数和流动参数之间的关系为:自流值和相对屈服应力有较好的相关性,而流动速度和相对平均黏度有较好的相关性. 相似文献
1