强共归纳数据类型上的Comonadic共递归

针对共归纳数据类型上的unfold无法描述带参数的共递归计算的问题,首先证明了笛卡尔封闭范畴上的终结共代数是强终结的,并给出强共归纳数据类型的范畴论定义及其上一种带固定参数的共递归——punfold,使得共归纳数据类型上的共递归计算可以包含额外的参数作为计算的输入;然后利用基于Comonads的Comonadic共递归给出了unfold和punfold的一种统一的描述,并进一步分析了punfold上的各种计算律,从而将Pardo对基于Comonads的带参数的递归计算研究扩展到共归纳数据类型.     

共归纳数据类型上的共递归操作及其计算定律

范畴论框架下的共归纳数据类型可以看成是某个共代数函子下的终结共代数中的载体,针对该特点,结合范畴论给出程序语言中共归纳数据类型的共代数描述,并根据终结共代数的终结性给出相应的共递归操作的定义及其共代数计算定律;同时,利用双函子及类型函子对参数化共归纳数据类型进行抽象描述,并结合自然转换给出类型函子上的单元和融合等计算定...     

带固定参数的Monadic递归

针对归纳数据类型上的递归操作可能包含固定参数且产生计算副作用的问题,结合函数式程序语言中的monads及范畴论中的伴随关系给出monadic强归纳数据类型的定义及monadic强初始性的证明;在此基础上,进一步提出一种带固定参数且产生计算副作用的递归操作的定义,证明了它比一般的递归具有更好的抽象性和封装性,同时分析了相应的范畴论性质和计算律.     

多特性仿生统一神经元模型

为对几十种神经元模型做出统一描述,总结归纳出目前生物医学界和工程科学界普遍认可的生物神经元的十二大基本特性,并以此为基础提出了一种更为全面反映生物神经元特性的人工神经元统一框架模型——多特性仿生统一神经元(MBUN)模型.经验证,该模型可有效描述各种常见神经元模型及学习算法.     

基于流技术数据库文件存取技术的实现

介绍了数据库中的BLOB数据类型,探讨了在Delphi中如何利用BLOB数据类型对各种文件作统一存取,并给出了在MS SQL Server 2000数据库中实现统一存取各种文件的关键代码.     

异构Web对象共指冲突识别与消解研究

针对现有的语义Web 中对象共指的消解工作研究不足,提出了一种异构Web数据流对象共指消解的技术.首先,定义了Web数据流对象的对象共指冲突识别与消解框架;然后,提出了一种基于描述逻辑的对象共指识别技术,归纳给出了描述逻辑的层次依赖关系并提出了基于依赖图的冲突遍历识别算法;并且,在冲突消解方面,定义了冲突的三种类型、冲突消解匹配模式与仲裁消解算法;最后,分别用测试集检验了本文提出的异构Web数据流冲突识别与消解技术的应用效果.     

矩阵的LU并行递归分解算法的设计研究

分析了矩阵的LU分解原理,并在双核微机上设计实现了一种矩阵的LU并行递归分解算法.该算法的特点是引入分块矩阵把LU分解形成迭代递归的形式,进而较好地发挥了新型微机的并行运算和高速缓冲存储器的功能.实验结果表明该算法是可行和有效的.     

程序设计中的递归算法

迭代循环和递归调用是程序设计中常用的方法，递归调用是一种比迭代循环功能更强的循环结构。递归程度具有一般的模式，可以用归纳法证明递归程序的正确性。     

基于VB、VC 结合使用的快速开发应用方法

本文介绍了一种利用VC 高级语言编写可供VB调用的DLL的方法,描述了快速开发高质量程序的新模型,说明其实用价值以及具体实现过程中各种数据类型的调用方法和注意要点,并列举部分主要的实例.     

规则递归T-S模糊模型及其辨识方法

针对传统T-S模糊模型不能较好描述系统时变特性的问题,提出了一种基于递归策略的动态T-S模糊模型及其辨识方法.规则递归T-S模糊模型在传统T-S模糊模型基础上,增加了具有一定权重的反馈环节,该环节对当前激励强度与前一时刻激励强度进行加权和得到当前时刻新的规则激励强度,从而实现动态递归变化,有效描述了系统的动态过程.为使规则递归T-S模糊模型具有较少的规则数量和较好的泛化能力,前件参数采用一种基于规则激励强度的模糊聚类算法获得,而后件和递归环节参数则采用一种由支持向量机和粒子群优化算法组成的联合辨识方法获得.Box-Jenkins煤气炉的仿真结果表明,规则递归T-S模糊模型及其辨识方法具有较好的动态描述能力,与混合聚类方法相比,均方差降低了1.2％.