九十年代计算机网络发展趋势

本文详细介绍了国外计算机网络发展的最新技术，并阐明了计算机网络发展的五种趋势．     

基于多Agent的协同工作环境的实现

为了支持跨平台、异构环境下的协同工作,提出了一个基于多Agent的网上协同工作环境(multi-agent based cooperative work, MACW),构造了MACW系统的三层逻辑模型以及多Agent和浏览器/服务器相结合的系统结构,并结合多Agent技术、JMF等关键技术给出了系统的具体实现。MACW较好的解决了现有的协同工作环境存在的灵活性差、扩展能力不足、对意外情况不能及时处理等问题。     

网络带给高校思想政治工作的机遇、挑战与对策

网络的多元性、自由性、开放性、交互性、虚拟性等给高校思想政治工作既带来了机遇又提出了严峻的挑战.对此,必须予以高度重视:必须站在"三个代表"的高度和以"三个代表"为指导,培养造就一支适应网络时代需要的思想政治工作队伍,以加强对学生的教育和网络文明建设,为培养社会主义事业的各格接班人做出努力.     

网络技术与伦理道德矛盾的化解

信息网络的发展，促进了社会生产、生活的深刻变革，同时也产生了一系列的网络技术与伦理道德之间的矛盾。网络道德具有自主性、开放性和多元性的特点，化解网络技术与伦理道德矛盾的对策主要包括加强网络主体的道德自律、加强社会主义网络体制改革、加强多元网络道德原则的支持三个方面。     

工程设计单位小型局域网的组建与管理

介绍了小型局域网的特点，结构类型的选择，布线方法，操作系统的选择、安装与配置，安装防火墙和即时杀毒软件，并介绍了小型局域网的有效管理。     

网络考试系统的安全设计

从对数据库系统的安全分析入手，结合网络考试系统的实际，从硬件系统、数据库系统、网络操作系统和网络应用程序几个方面，提出了解决网络考试系统安全性的方法。     

构筑产学研结合立体网络的研究与实践

从校内“局域网”、社会“城域网”以及全球“因特网”三个方面探讨产学研结合立体网络的构建。联系工作实际，探索校企合作建设产学研基地和网络的有效途径。     

Discovering Frequent Subtrees from XML Data Using Neural Networks

By rapid progress of network and storage technologies, a huge amount of electronic data such as Web pages and XML has been available on Internet. In this paper, we study a data-mining problem of discovering frequent ordered sub-trees in a large collection of XML data, where both of the patterns and the data are modeled by labeled ordered trees. We present an efficient algorithm of Ordered Subtree Miner （OSTMiner） based on two- layer neural networks with Hebb rule, that computes all ordered sub-trees appearing in a collection of XML trees with frequent above a user-specified threshold using a special structure EM-tree. In this algo- rithm, EM-tree is used as an extended merging tree to supply scheme information for efficient pruning and mining frequent sub-trees. Experiments results showed that OSTMiner has good response time and scales well.     

对抗体系的一种建模方法研究

首先,通过实例阐明了信息交互在效能涌现中所起的重要作用;其此,提出了“基于信息关联网的体系建模方法”,为研究信息交互过程中对抗体系的效能涌现机理提供了方法论意义上的支持;最后,基于上述体系建模方法,给出了一个具体的建模实例。     

用于图像目标识别的神经网络方法

本文提出了一种全局最优的神经网络（ＦｕｌｌＤｏｍａｉｎＯｐｔｉｍｕｍＮｅｕｒａｌＮｅｔｗｏｒｋ）模型用于目标识别。通常所设计的神经网络不能保证全局最优，使得网络不一定收敛到期望样本点上。本文的模型采用了先设计稳定点、再构造吸引域的方法，提高了网络的识别正确率及速度。针对图像识别中矢量维数大的实际，提出了一种不变性方法，使得样本维数下降而分类距离保持不变。同时又证明了网络的收敛性、收敛速度及映射保距等。计算机模拟结果表明，网络对噪声或缺损图均能正确识别。