WWW与WAP信息处理模型的比较

WWW信息处理模型和WAP信息处理模型是目前非常典型的网络应用模型,WWW是面向台式机和有线网络的信息处理,WAP则是面向无线网络的信息处理,两者互相结合,构成目前有线网络与无线网络信息处理的应用主流.本文介绍了WWW和WAP的概念,分析了两者的特点、结构和工作原理等,从WEB和WAP页面联系、WWW与WAP的兼容性、WWW与WAP的工作过程、WAP与WWW的开发问题等方面进行了比较研究.     

高职《网络技术与信息处理》专业课程设置情况分析

本文通过对当前高职《网络技术与信息处理》专业课程设置情况的调查,分析了该专业课程设置中存在的不足,探讨了课程调整改革的途径,为进一步进行高职《网络技术与信息处理》专业教学改革的研究与实践提供依据。     

网络计算与信息处理技术协同创新中心揭牌

近日,国家计算机网络应急技术处理协调中心与北京航空航天大学在京合作成立的网络计算与信息处理技术协同创新中心成立。工信部部长苗圩、副部长尚冰为中心揭牌。网络计算与信息处理技术协同创新中心是以解决国家重大工程技术需求和高水平人才培养为重点开展的有益探索,该中心围绕网络计算与信息处理技术领域的基础研究、关键技术研发和基础设施平台建设需求,开展共建研     

颜色视觉信息处理的理论探讨

在简要阐述视网膜解剖结构的基础上，论述了视网膜信息处理机制，建立了视网膜颜色信息处理的神经网络模型。研究结果表明，该模型是一种具有空间总和特性和阈值性质的三层神经网络。利用本模型对颜色进行信息处理与复制具有一定的实用价值。     

基于分布式的网络信息处理模型及性能分析

针对网络信息处理的特点，提出了一种基于分布式的网络信息处理模型．通过对该模型进行排队分析，得到该模型的阻塞率可以用Erlang公式计算的结论．研究表明，实验结果与分析所得结果一致，表明分布式模型在特征匹配能力和使用效率方面都得到大幅提高．     

基于Hadoop和Mahout的分布式推荐引擎的设计

推荐方法研究是信息检索、数据挖掘和机器学习等智能信息处理领域的研究热点。分数据存储层、产生推荐层和应用层3个层次,介绍了基于Hadoop和Mahout的分布式推荐引擎的设计方案。     

物联网体系结构及发展研究

物联网时下已成为工业界和学术界的热门领域,该文介绍了物联网的基本概念,并综合当下工业界和学术界对物联网体系结构的认知,将物联网体系结构划分为感知层、网络互联层、资源管理层、信息处理层、应用层五个层次;接着以智能烟雾探测器、智能行李追踪技术、智能穿戴产品等各种智能化的应用为例,介绍了物联网的应用领域;最后从物联网的行业标准、安全问题、编码与寻址、通信模式及建设成本方面,分析了物联网发展所面临的挑战。     

我国传感器网络及智能信息处理技术取得长足进步

随着我国经济社会的发展,传感器网络及智能信息处理技术日趋重要。《国家中长期科学和技术发展规划纲要2006—2020年》(以下简称《纲要》)将"传感器网络及智能信息处理"列为我国信息产业与现代服务业领域优先主题,本文就《纲要》实施以来,我国在传感器网络及智能信息处理技术领域的工作进展、技术突破、面临的挑战以及领域专家对进一步发展的建议进行了报道。     

话语标记的信息处理研究:现状与设想

话语标记对会话结构的分析、话语行为的识别、会话含义的理解等具有重要作用,在口语的信息处理中扮演着关键的角色,开展话语标记的信息处理研究具有重要的理论意义与应用价值。在汉语话语标记的信息化本体研究整体较为薄弱、应用研究尚未起步的情况下,建设包含多种次级类型语料的口语语料库和包含多层信息的话语标记词库是亟待开展的两个重要的基础性工作,其能有效推进汉语话语标记信息处理研究的进程。     

上海师范大学数字社区与智能家居研究中心简介

正上海师范大学数字社区与智能家居研究中心以上海师范大学信息与机电工程学院通信工程系为依托,紧扣智能制造、数字社区主题,开展基于宽带互联网、移动互联网的信息处理应用研究.中心引入新型短距离无线通信网络,开展室内无线定位研究和实现,采用图像处理、视频信息处理等智能技术,推动信息化渗透生活场景最末端的应用,构建智能场所新型应用研究.     

一种用于多类模式识别的综合感知器网络和学习算法

提出一种由感知器神经元组合成的综合网络模型及相应的学习算法,网络由3层感知器神经元组成,中间屋到输出层的权值相应地为＋1或－1,输入层到中间层的权值通过学习获得,且中间层每个神经元的权值单独学习完成,该学习算法在有限次迭代步骤内终止。当算法终止时,对于可线性发的多类模式识别问题总是能找到正确的解,如果还有模式不能识别,则说明这是一个不可线性划分的多类模式识别问题,用阿拉伯数字识别的例子说明了网络模型和算法的有效性。     

地下峒室岩爆预报的自适应模式识别方法

应用神经网络系统理论，提出了地下峒室爆预报的新方法－自适应模式识别方法。该方法结合专家系统的经验，从积累的工程实例中抽取岩爆模式特征，建立输入模式输出模式对，采用自学习的方法建立从输入模式到输出模式的非线性映射，并进行推广，由网络推理出待识别岩石岩爆发生的可能性和烈度，实际应用表明，本文的方法科学，可靠。     

用文化算法改进的RBF神经网络在语音识别中的应用

针对传统的RBF网络求取隐层基函数中心的K-均值聚类算法的缺点,利用文化算法的全局搜索性能,将文化算法用于语音识别系统的RBF网络的训练过程中,基于实验数据,指出该方法的识别结果较k-均值聚类算法有了明显的改善。     

基于卷积神经网络的壁面清洗机器人障碍物检测识别算法

结合机器人的工作原理以及卷积神经网络(CNN)在图像分类中的应用,提出了一种基于卷积神经网络的壁面障碍物检测识别算法.首先,以壁面障碍物准确识别为目标,构建壁面障碍物图像库;然后,通过对VGG-16网络简化后进行优化,得到适合壁面障碍物准确识别的卷积神经网络模型.在此基础上,设计该网络由输入层、4层卷积层、2层池化层、1层全连接层以及输出层组成,进一步利用3×3卷积核对训练样本进行卷积操作,并将所获取的特征图以2×2领域进行池化操作.重复上述操作后,通过学习获取并确定网络模型参数,得到最佳网络模型.实验结果表明,障碍物的识别准确率可达99.0%,具有良好的识别能力.     

图像识别神经网络处理系统

目的　研制用于二值图像实时识别的神经网络处理器; 方法　采用数字电路实现的图像识别神经网络系统有３ 大模块：边缘提取模块以二值图像序列作为输入,用平面建筑物原理和８ 邻域原理提取图像的边缘特征;特征提取模块在边缘特征的基础上提取具有不变性的角特性和组块特征;模式分类模块采用４ 层特征映射神经网络实现图像模式识别; 结果　通过对图像信号发生器送出的二值飞机图像识别说明,训练样本数越多系统识别率越高; 结论　该系统能够快速、正确地实时识别二值图像序列;     

基于改进YOLO-v3的眼机交互模型及实现

针对嵌入式眼-机交互技术中所采用的传统眼行为识别方法准确率低、速度慢等问题,并结合所研制眼机交互系统硬件特点及应用场景,提出一种基于改进YOLO-v3的眼机交互模型.该模型通过去除13×13特征分辨率的检测模块、增加浅层网络的层数以及采用K-means聚类算法选取初始先验框,提高了网络像素特征提取细粒度并加快了检测速度,进而结合人眼特征参数提取方法和眼行为识别算法,构建出了眼机交互模型并进行实验.实验结果表明,该模型对不同眼行为的识别率达91.30％,改进的YOLO-v3网络的平均检测准确率(mean average precision,mAP)为99.9％,识别速度达22.8 FPS,相比原YOLO-v3方法检测时间缩短了11.4％.     

一种局域连接前向人工神经网络结构的研究

双隐层标准前馈（ＢＰ）网络只要其隐层节点数足够多就能解决任何形式的分类问题．应用标准（ＢＰ）网络识别多模式类分类问题时存在以下缺陷：（１）对不同模式类均使用相同数目的隐层元；（２）增加新模式类后，网络要重新学习；（３）网络识别的机理研究困难．笔者提出了一种局域连接前馈神经网络（ＬＣＮＮ）结构，其隐层神经元与输出神经元之间为局域连接，学习算法与ＢＰ算法类似．ＬＣＮＮ具有以下特点：（１）便于自构网络结构，提高网络的推广能力；（２）便于提取各模式类的不变特性；（３）具有较强的记忆能力，便于实现追加学习．以五种海底沉积层介质类型的分类识别为例，分别利用标准前馈（ＢＰ）网络与ＬＣＮＮ网络进行分类识别，结果表明：ＬＣＮＮ便于自构网络结构，具有追加学习的能力．     

Star pattern recognition method based on neural network

Star sensor is a sensitive instrument for determina-tion of a spacecraft attitude with high accuracy. The in-strument can determine the spacecraft 3-axis attitude through the recognition of observed stars. It measures star magnitude and star coordinates in the spacecraft coordi-nate frame. The measures are then compared with a refer-ence star catalog to obtain the attitude information of the spacecraft[1,2]. The purpose of star pattern recognition is to identify the corresponding relations bet…     

一种应用于模式识别的神经网络模型

本文首先引入了感知神经元，建立了一种应用于模式识别的三层神经网络模型．对于任一组二元标准模式（二元图象或特征值序集），我们根据给定模式及要求设计神经网络，使之对输入模式进行识别．这种神经网络结构明确，易于实现，其实施有助于提高模式识别系统的执行速度与识别能力．     

用于控制图模式识别的广义神经网络系统

面向过程控制图的模式识别,提出了一个广义神经网络系统.该系统基于广义过程对象模型发生数据,离线训练后能够在线识别各类工业过程常见的控制图模式,模块化的设计使得神经网络系统的结构相对简单,有效地提高了网络的训练速度和模式识别的准确率.首先研究了广义过程对象模型参数对神经网络控制图模式识别率的影响,并基于此影响规律设计了包含模式识别分类模块与模式参数估计模块的集成化神经网络系统结构;其次使用基于广义对象模型产生的数据对神经网络系统进行了训练和验证,讨论了学习训练方法,并进行了控制图模式识别性能的仿真测试,获得了满意的结果.在TE过程仿真平台上进行了实验,给出了对上升阶跃模式和下降阶跃模式的识别结果,表明了具有较高的识别率.