Petri网系统的可达性分析

对Petri网系统的可达性问题做了综合性的阐述和分析, 提出了利用能量优化方法来解决可达性问题的方法, 并在此基础上结合计算代数方法和神经计算模型对可达性问题做了进一步的研究. 主要工作包括 1.给出了Petri网到线性空间的映射规则及其可达性的等价性定理; 2.建立了能量优化模型, 将可达性判断化为优化问题; 3.用神经网络来求解能量优化模型; 4. 最后综合了计算代数方法和能量优化模型的优点给出一个基于计算代数和神经计算的方法. 作者提出了一种利用基于硬件的大规模并行的神经计算来代替基于软件的串行的数字计算的可达性判断的解决方案.     

浅谈路由器qos技术

本文主要探讨路由器qos技术在下一代英特网中的应用,分别介绍集成服务(IntSer),区分服务(Dif-ser),以及其它一些探索性的路由器qos技术。     

Security Analysis of Discrete Logarithm Based Cryptosystems

0 IntroductionNowthere are many well known cryptosystems based ondiscrete logarithms , such as the ElGamal cryptosys-tem[1]and the digital signature algorithm(DSA)[2]. Discretelogarithms have many advantages . Breaking the discrete log-arithm modulo pri mepappears to be somewhat harder thanfactoringintegern,and elliptic curve cryptosystems may usemuchsmaller keysizesthan RSA-basedcryptosystems of com-parable security.The discrete logarithmproblemover a group can be bro-ken down into a numb…     

一种基于B/S的农业资源综合数据服务系统──通用农业资源数据服务系统开发设计

基于浏览器 /服务器 (B/S)结构的通用农业资源数据库系统 ,将农业统计中常用的 5 0 0多个技术指标分成三大类 ,17个小类 ,基本涵盖了农业生产和管理统计的主要领域 普通用户通过浏览器实现对数据库的组合查询或浏览 ,也可将数据文件下载 系统提供了 9种统计分析方法以及 5种预测方法 ,授权用户可进行数据文件上载 管理员通过浏览器可对数据库进行管理维护     

改进QDPSO算法在BP网络训练中的应用

QDPSO（Quantum Delta-Potential-Well-based Particle Swarm Optimization）算法是基于量子空间的粒子群算法，对QDPSO算法进行了改进，结合Iris分类问题，应用到BP网络的权值优化中，并和基于标准PSO算法的方法进行了比较。实验结果表明：该算法性能优于所比较的两种算法，并且具有良好的收敛性和稳定性。     

一类带限制集值型投入产出方程的存在性定理

引入了一类带限制的集值型投入产出方程.通过利用某些非线性分析方法,得到了一些存在及连续相依性结果.     

量子计算机与经典计算机

<正> 量子信息学是最近几年迅速发展起来的新兴学科,由于它潜在的应用价值和重大的科学意义,正引起各方面越来越多的关注。利用量子态相干、叠加及纠缠的性质,量子计算机可以实现大规模的并行计算,产生经典计算机无法比拟的信息处理功能。20世纪下半叶电子计算机蓬勃发展的主要基础是基于硅材料的微电子器件,这里将以微处理器为基础的电子计算机称为传统计算机。由于现有计算机以二进制数字0和1为基础,信息的存储、读写和复制等操作都是用经典物理过程来实现的,故称为经典计算机。而设想中的量子计算机以量子物理的过程来运行,利用量子态的叠加、量子态的纠缠及干涉等性质进行信息处理。量子计算最重要的优点体     

中立型多滞量微分系统Runge-Kutta方法的A(a)稳定性分析

在中立型多滞量线性微分方程系统的理论解的基础上,讨论Runge-Kutta 方法的稳定性,得到一个)(aA稳定的充分条件。     

中学体育教学中学生存在的心理问题及其对策

中学体育课中出现的种种问题，除与教师的教学组织工作有关外，也与学生心理中的“成就动机”、“注意力与兴趣”等有关，因此，要解决中学体育教学中存在的问题，应告别单纯的体育技能教学，使体育教学过程趋于完善。     

蚁群算法的应用研究与发展

蚁群算法是一种新兴的模拟进化算法,由于其具有鲁棒性、正反馈、并行分布式计算等特点,迅速得到广泛的应用和发展。本文首先介绍了蚁群算法的原理和实现方法,进而又对其研究进展和实际应用做了较详细的综述,并对其前景和发展方向进行了展望。