前馈神经网络的一种连续型学习算法

本文给出前馈神经网络的一种连续型学习算法，对传统的ＢＰ算法作了改进。分析了该算法的收敛性。通过实例与传统ＢＰ算法进行比较，该算法可以明显提高网络的收敛速度，说明它是一种实用的学习算法。     

Fuzzy Entropy Based Combined Learning Algorithm for Neural Networks

ＦｕｚｚｙＥｎｔｒｏｐｙＢａｓｅｄＣｏｍｂｉｎｅｄＬｅａｒｎｉｎｇＡｌｇｏｒｉｔｈｍｆｏｒＮｅｕｒａｌＮｅｔｗｏｒｋｓ￥ＭｉｎＹａｏ（Ｄｅｐｔ．ｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＨａｎｇｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，Ｈａｎｇｚｈｏｕ３１００２８，Ｐ...     

Stability analysis of BAM neural networks with time-varying delays

Some new criteria for the global asymptotic stability of the equilibrium point for the bi-directional associative memory neural networks with time varying delays are presented. The obtained results present the structure of linear matrix inequality which can be solved efficiently. The comparison with some previously reported results in the literature demonstrates that the results in this paper provide one more set of criteria for determining the stability of the bi-directional associative memory neural networks with delays.     

用于卫星载荷数据传输总线的终端IP核设计

根据通信卫星有效载荷数据传输总线协议及其工作原理,提出了一种总线终端IP(intellectual property)核的设计及验证方法,该IP核由总线接口模块、时钟分频模块、协议处理模块、数据采集模块等组成,其设计和研制具有自主知识产权.该IP核完成了模块仿真验证、芯片系统仿真验证和FPGA(field progra...     

Markov逻辑网在重复数据删除中的应用

为了解决和突破现阶段重复数据删除方法大多只能针对特定领域,孤立地解决问题的某个方面所带来的不足和局限,提出了基于Markov逻辑网的统计关系学习方法。该方法可以通过计算一个世界的概率分布来为推理服务,从而可将重复数据删除问题形式化。具体采用了判别式训练的学习算法和MC-SAT推理算法,并详细阐述了如何用少量的谓词公式来描述重复数据删除问题中不同方面的本质特征,将Markov逻辑表示的各方面组合起来形成各种模型。实验结果表明基于Markov逻辑网的重复数据删除方法不但可以涵盖经典的Fellegi-Sunter模型,还可以取得比传统的基于聚类算法和基于相似度计算的方法更好的效果,从而为Markov逻辑网解决实际问题提供了有效途径。     

通信计费数据采集与传输模式的研究

计费数据采集与传输为计费系统采集必要的计费数据,并把数据准确地传送到目的地。计费数据采集与传输是计费系统的前提和基础,其性能直接影响着计费系统的好坏。错综复杂的网络和通信,对计费数据采集与传输的要求也越来越高：计费数据采集与传输要可靠、实时,要有友好的用户界面。针对以上要求,对它们的框架、模型及计费数据的采集方式、使用的协议等进行了研究和探讨。     

无线移动Ad Hoc网络的一种节点定位模型

给出了无线移动AdHoc网络的一个节点定位概率模型,证明了当平面网络中的已知节点达到一定的数量要求时,通过模型算法可以充分准确地确定未知节点的位置.通过仿真分析,说明该模型在实际中是可行的、有效的;并且分析了节点移动性对未知节点定位的影响,得出未知节点的定位是随着其移动速度的增大而变得愈加困难,而随着其与已知节点的通信距离的增大而变得愈加容易的结论.     

可靠性分析的并行不交和算法

不交和算法是计算网络可靠性的有效方法，到目前为止，基于这一方法已经开发出多种算法，提出了对这些不交和算法实行并行化的通用框架。基于这个框架，在工作站网络上实现了CAREL不交和算法的并行化版本。实验结果表明，这种方法效果很好，几乎得到线性加速。     

Using Wittgenstein’s Family Resemblance Principle to Learn Exemplars

The introduction of the notion of family resemblance represented a major shift in Wittgenstein’s thoughts on the meaning of words, moving away from a belief that words were well defined, to a view that words denoted less well defined categories of meaning. This paper presents the use of the notion of family resemblance in the area of machine learning as an example of the benefits that can accrue from adopting the kind of paradigm shift taken by Wittgenstein. The paper presents a model capable of learning exemplars using the principle of family resemblance and adopting Bayesian networks for a representation of exemplars. An empirical evaluation is presented on three data sets and shows promising results that suggest that previous assumptions about the way we categories need reopening.

有源滤波器的个人计算机辅助设计

本文给出一种有源滤波器的个人计算机辅助设计方法及实现程序和设计实例。