硬件进化的快速算法模型研究

针对硬件进化(evolvable hardware，EHW)存在的进化规模的扩展能力问题，研究了以内嵌式EHW的自适应要求为条件的染色体表示及计算复杂性问题．为提高遗传机器学习计算效率，根据FPGA(field programmable gate array)内部的结构特点，将可重构硬件的结构映射为遗传学习的染色体表示，提出一种符合EHW要求的二雏染色体的遗传机器学习方法——ISPitts，构造了一种动态遗传机器学习框架．实验结果显示，新方法不仅完成了四位比较器的内嵌式EHW实现，而且具有较高的进化效率．     

科学创新思想的摇篮—第47次香山科学会议侧记

科学创新思想的摇篮──第４７次香山科学会议侧记张利华（中国科学院政策局北京１０００８４）香山科学会议，是中国科学院、国家科委、国家自然科学基金委员会共同组织的探索科学前沿，激发创新思想的学术研讨性会议，至今已举办了５０余次。第４７次香山科学会议的主要...