用进化规划思想优化径向基函数神经网络结构的均衡器

针对训练径向基函数(RBF)神经网络均衡器的随机梯度算法(SG)中,神经网络的结构是指定的并且所用训练样本较长的问题,引入进化规划思想,用进化规划方法确定径向基函数神经网络的结构,用基于最小均方(LMS)误差准则的自适应算法调整神经元到输出端的连接权重.蒙特卡洛仿真表明,用这种方法确定的均衡器可以达到与SG算法相同的性能,而所用训练样本很少,网络结构不需要事先指定.     

一种高性能英文词性标注器的设计与实现

针对统计和规则方法各自的优点和局限,提出运用Viterbi和FTBL(fast transformation-based learning)算法相级联的算法,实现一种英文自动词性标注器.该级联方法以FTBL算法为整体算法,在它的规则学习和最终标注两个阶段,均以Viterbi算法作为其初始化过程.实验结果表明此算法优于其中任何一种单独的算法,达到了98%的高准确率,验证了自然语言处理中统计与规则并举的主流设计思想.     

一种修正的窄缝电磁耦合FDTD算法

电磁脉冲通过窄缝的耦合计算是电磁兼容研究中的一个重要问题,现有算法存在着一些局限或不足.为得到一种能够反映窄缝实际耦合特点的算法,研究了Wang的窄缝算法中的不足,并基于其提出了一种修正的窄缝电磁耦合FDTD算法,即假设窄缝所在网格上的电磁总场在面向入射场源的窄缝一侧是随离窄缝距离增加而增强的,而在背向入射场源的窄缝一侧是随离窄缝距离的增加而减弱的.用该算法对ESD电流注入细导线产生的电磁场与窄缝的耦合进行了计算.计算结果表明了该算法的正确性.     

OSC-PLS算法在近红外光谱定量分析中应用的研究

提出一种新的光谱预处理方法--正交信号校正,并将正交信号校正与偏最小二乘法相结合的OSC-PLS方法应用于固体含能材料中挥发份的定量分析.利用正交信号校正,对光谱数据进行预处理,剔除光谱矩阵中所含的各种噪声信号,将去噪后的光谱矩阵作为新的自变量矩阵,再利用偏最小二乘方法建立校正模型.结果表明:用OSC-PLS方法建立模型与用传统偏最小二乘法所建模型相比精度明显提高,这对近红外光谱分析在该领域的应用具有重要的理论意义和实际推广价值.     

奈必洛尔中间体的不对称合成

(S,R,R,R)-奈必洛尔是一种新型、强效的β1-肾上腺素能受体阻滞剂降压药物.采用氧化/Wittig烯化一锅煮反应和Sharpless不对称环氧化/环化一锅煮反应,经八步反应,不对称合成出(S,R,R,R)-奈必洛尔的两个关键中间体1-[6-氟-(2S)-3,4-二氢-2H-2-苯并吡喃]-(1R)-1,2-乙二醇和1-[6-氟-(2R)-3,4-二氢-2H-2-苯并吡喃]-(1S)-1,2-乙二醇.该合成路线工艺简单,单步反应产率高,八步反应总收率达19%.     

基于TMS320C5409的语音处理系统

介绍了一个基于DSP(TMS320C5409)的语音采集、编码、回放系统实例,对于DSP与CODEC芯片如何连接和配合工作提出了较为详细的解决方案,并从硬件、软件两个方面做出了说明.     

AKS算法及关于它的一种改进算法的实现分析

2002年，Agrawal、Kayal和Saxena成功地解决了多项式时间判别素数这一著名的世界难题，他们给出了一个算法(简称AKS算法)，该算法对输入整数是素数还是合数进行判断。它是一个确定的多项式时间算法．后来许多科学家对该算法进行了改进，其中一个比较好的改进是由Bernstein给出的(简称Bernstein算法)．作者详细分析了这两种算法，利用C语言实现了这两种算法，并进行了比较，找出了真正需要用到AKS算法和Bemstein算法来判断其为素数和合数的最小数，并估计出所需要的运行时间．     

最小费用流原始-对偶算法分析

分析了原始一对偶圈算法，并补充了著名数学家Papadimitriou(1982)在其专著中的证明；此外，还增加了原始一对偶迭加算法可能出现的其它情况，这样更有利于深化对最小费用流的认识．     

外微分在场论中的应用

建立了外微分理论与场论之间的一些对应法则，指出外微分形式是场论中众多命题的数学模型，得到用外微分运算解决场论中梯度、旋度、散度以及环量与通量的计算和几种重要的矢量场：梯度场、旋度场、调和场证明的新方法。为利用计算机处理这类问题提供了一种简单模式，从而实现求解问题的机械化算法。     

分类规则挖掘的免疫算法

为了高效地从数据库中挖掘分类规则，提出了一种基于免疫算法的分类算法．该算法的核心思想为：对规则的前件进行固定长度编码，适应度函数的计算由分类规则的较小分类错误率、简洁性、一致性和训练实例的覆盖性构成，通过把适应度最小的个体作为先验知识来修改个体的某些分量的方法进行疫苗接种，并通过检测个体是否出现退化和模拟退火来实现免疫选择，同时还采用了基于信息增益的规则剪枝策略．在美国加州大学标准数据集中的5个数据集上将该算法与RISE和OCEC算法进行了实验比较，结果表明该算法不仅具有更快的收敛速度，而且获得了更高的预测准确率及更小的规则集。