求解线性不定方程组所展现的BP与Hopfield类型神经网络的学习同质性研究

主要针对求解线性不定方程组的两种并行计算神经网络模型(BP和Hopfield类型神经网络)进行了探讨。BP神经网络和Hopfield类型神经网络尽管在起源、网络定义、拓扑结构和学习模式上有较大的不同,但这两类人工神经网络在相同学习率条件下求解线性不定方程组中却可以表现出相同的数学公式、学习本质和计算能力,即学习同质性。此外,分别在零初值、相同但非零初值和不同随机初值三种情况下,针对两类人工神经网络求解线性不定方程组体现出来的学习同质性进行了计算机仿真验证,并证实了两类神经网络算法的有效性。     

试卷与试题难度分析

考试与教学是实现同一教学目标的相辅相成的两个方面．对如何克服传统考试中的经验命题、主观评分．积极发挥考试的导向性作用，加强考试和教学管理的科学性、计划性，使其进一步走上际准化轨道，是教学管理工作中的一个重要课题．本文仅对９４—９５学年度第一学期考试的试卷和试题难度进行统计分析，发现教学和题库建设中存在的问题，揭示解决这些问题的理论依据．     

基于同质性分割的图像滤波方法研究

针对图像中存在的噪声,在同质性分割基础上提出了一种新的图像滤波方法.该方法首先利用形态学算子描述图像的不连续性,重新定义同质性,提高了图像的抗噪性.然后利用统计得到的同质直方图,并通过峰值寻找算法得到波峰、波谷,进而对图像进行分割.最后计算不同子区域的灰度均值,对满足条件的子区域进行合并得到滤波图像.实验结果表明,与其它滤波方法相比,该方法在滤除噪声的同时更好地保留了图像的细节和边缘信息,而且对含有不同噪声密度的图像均能得到较好的滤波效果.