论高职院校图书馆文献信息资源建设

从与本科院校对比入手,分析了高职院校图书馆文献信息资源建设的现状,介绍了高职院校图书馆进行文献信息资源建设的具体措施和方法。     

医学信息的网络检索技巧

介绍了网络医学信息资源的类型及搜索引擎,对医学信息的检索途径和策略进行了说明,并对网络医学信息检索的方法和技巧进行了探讨。     

校园网外图书馆电子资源访问技术探讨

对现有校园网外图书馆电子资源访问系统技术方案进行了介绍和比较,在此基础上指出了实现校园网外用户电子资源访问应注意的关键问题。     

网络时代高校数字图书馆的建设

阐述了数字图书馆的概念和特征,分析了数字图书馆相对于传统图书馆的优势,并针对当前高校数字图书馆存在的问题,提出了建设高校数字图书馆的相关措施。     

浅谈图书馆网络信息检索方法与技巧

针对网络信息资源类型丰富、数量大、更新快和不易查找的现状,依据网络信息检索的特点,介绍了网络信息资源检索的方法和技巧。     

Cohen-Grossberg神经网络周期解的全局稳定性

讨论了Cohen-Grossberg神经网络周期解的存在性和全局指数稳定性.讨论的模型非常综合,包含了大部分的模型,利用的条件非常弱,取得的结果非常简洁.     

基于神经网络的高并行大规模MIMO信号检测算法

随着5G和未来移动无线网络的不断发展,大规模多输入多输出(multiple input multiple output, MIMO)是其中的关键技术之一。随着天线数目的不断增加,给接收机的设计带来更高的挑战,复杂度过高的检测算法在实际中难以应用。本文将一种高并行(high-parallelism, HP)检测算法展开到神经网络中,单层神经网络基于该算法的每次迭代,并将其与可训练的权重参数和非线性神经单元相结合,提出基于网络结构HP-Net的方法。通过训练HP-Net得到最优可训练参数,进而提高检测性能。实验结果表明,所提方法相对传统最小均方误差(minimum mean square error, MMSE)算法复杂度更低,并能够得到更低的误码率;同时相对HP并行检测算法误码率性能更优。     

具有混合执行器故障的多智能体分布式有限时间自适应协同容错控制

针对多智能体编队系统执行器发生故障时,所引起的参数不确定以及系统瞬态不稳定问题,本文采用径向基函数神经网络(radial basis function neural networks, RBFNNs)对不确定参数(未知函数)进行估计。同时,基于反推技术设计出合理的自适应容错控制器,并通过有限时间理论保证系统实现瞬态稳定。首先,本文采用10个智能体作为被控对象,基于有向通讯拓扑结构理论,构建了非线性多智能体系统模型。其次,基于RBFNNs逼近特性,采用反推技术与动态面技术相结合,设计出合理的容错控制器,补偿多智能体中出现的未知非线性执行器故障,并采用有限时间理论解决系统瞬态不稳定问题。接着,基于Lyapunov稳定性理论分析了控制器的稳定性和快速收敛性。最后,通过两种算例对比,验证了所设计的控制器性能优于传统的反推技术,为工程实践提供了一种有效的研究思路。     

神经网络基于改进型粒子群算法的研究

提出一种基于被动聚集型粒子群优化算法来提高人工神经网络的性能,被动聚集是保持群体完整性的生物力量,该算法引入了生物学中被动聚集的概念,使得信息在种群各粒子间传播,保持种群的多样性。仿真实验表明:基于改进型粒子群优化算法的神经网络可以有效降低训练次数和均方误差。     

基于内容管理的网络教育信息资源整合模型

利用中间件技术设计一个网络教育信息资源整合模型.该模型采用传统的表示层、逻辑层和数据层的三层结构,用户可以使用统一的接口访问不可预知的教学内容.模型可应用于教育城域网层面,将区域范围内的分布式资源子网整合起来,为区域内的网络教育提供服务.