全双极WTA神经网络模型的光学实现

本文给出一种用光学方法实现全双极WTA三层神经网络模型的新方案及其实验结果.在全双极情况下.中间层第i个神经元的输入值由两部分组成,一部分为单极神经元状态时中间层该神经元的输入值,另一部分为对应存储模式的反模式和的二分之一.其中常数1/2可通过将每一输入神经元分成相等的两部分,使其中一部分为全透,另一部分为完全不透来实现.实验表明全双极系统比原先的单极系统具有更高的存储容量和寻址能力.     

二元神经网络模型中的Monte Crlo学习算法

基于作者以前提出的一种单通道双极光学神经网络结构，利用自适应阈值，本文提出了一个新的MonteCarlo学习算法的判据，这个判据可以使MonteCarlo学习算法进一步改善神经网络的性能。     

二元神经网络模型中的Monte Carlo学习算法

基于作者以前提出的一种单通道双极光学神经网络结构,利用自适应阈值,本文提出了一个新的Monte Carlo学习算法的判据。这个判据可以使Monte Carlo学习算法进一步改善神经网络的性能。     

一种新的自适应阈值SSDA算法

在传统的序惯相似度检测算法和自适应闽值的序惯相似度检测算法的基础上,运用粗匹配中取三点最小值分别作为精匹配中的初始门限值,然后进行三次精匹配,比较三次匹配结果取最小值,转变为最终的图像匹配点,实现一种新的自适应阈值的序惯相似度检测算法。实验结果表明,这种改进自适应阈值的序惯相似度检测算法,在略微降低算法的执行速度的同时,能够很好地保持自适应阈值的序惯相似度检测算法的图像匹配准确性,具有很好的实时性。     

一种优化的相似度协同过滤推荐算法

传统的协同过滤推荐算法存在推荐准确性不高的问题。在计算相似度时，当得分向量的结果差异性不大时，可能会产生相似的结果向量，从而降低相似度结果的准确性。针对这一问题，提出一种优化的用户相似度协同过滤推荐算法，在传统的余弦相似度计算中加入一个平衡因子，并通过实验验证加入的平衡因子阈值算法的有效性。实验结果表明，优化的用户相似度协同过滤推荐算法能够显著提升用户相似度计算的准确性，从而得到较好的推荐结果。     

基于决策树算法的信息系统数据挖掘研究

为了提高数据挖掘准确性和效率,文中提出了基于决策树算法的信息系统数据挖掘方法.以C4.5决策树算法计算属性的信息增益率和属性值的信息熵为基础,提出基于余弦相似度改进的C4.5决策树算法,若任意两个属性值的信息熵之差在阈值范围内,通过计算其余弦相似度合并在阈值范围内的属性值,并重新计算合并后属性的信息增益率,实现信息系统...     

基于CBR循环发电机组故障诊断系统研究

针对某钢铁公司循环发电机组的故障诊断问题,应用CBR技术进行故障诊断系统的设计。提出基于VSM的相似度分类器策略完成CBR关键技术的设计。通过计算特征项权重用向量表示机组故障案例,采用余弦法计算案例间的相似度,比较输出相似度大于阈值的案例。最终在asp.net平台上开发了基于Web的故障诊断系统。案例分析结果表明,基于CBR故障诊断系统能提高新故障维修解决的准确性和高效性。     

一种利用多元化相关探测技术实现的红外激光报警装置

利用多元相关探测技术实现的红外激光报警装置由光学探测系统、信号放大与处理系统及显示报警系统三部分组成。其中,光学探测系统主要包括光学聚焦系统、多种滤光片及PIN光电二极管等;信号放大与处理系统主要包括阈值发生器、阈值比较器、前置放大器、主放大器、相关处理器、 模数转换器及8031单片机等;显示报警系统主要包括声告警器、光显示器及相应的存储电路等。文中不这详细介绍了探测器的基本原理,装置的基本结构及其主要技术指标,讨论了其中的技术难点及其相应的解决方法。     

以分数相关为基础的微小差异图样的识别

光学图样识别(OPR)由光学相关来实现，传统的光学相关通过两物体相关峰的尖锐度来判断两物体的相似程度。分数傅里叶变换同时包含了空间域和空间频率域信息，分数相关也可以用于光学图样识别。针对传统相关难以识别微小差异图样的缺点，将分数傅里叶变换和分数相关引入差异相关系统，提出了一种基于分数相关的识别方法。给出了实现这一方法的光电混合系统。计算机模拟处理的结果表明，通过调节分数傅里叶变换的级次，该方法不仅能有效地识别与参考图样有微小差异的图样，而且能提供差异的位置信息。随着分数相关的级次渐变为0，得到的分数差异相关峰逐渐退化为两信号之间的差异；随着分数相关级次渐变为1，分数差异相关渐变为差异相关的结果。     

一种改进的颜色匹配对图像检索算法

以子块直方图彩色图像检索算法为基础， 分析了进一步利用图像空间相似信息的颜色匹配对检索算法的性能。在子块直方图的构成、直方图距离值的归类等方面提出了行之有效的改进方法；给出了子块大小、相似度阈值等参数选择的优化原则，使查准率、查全率等检索性能指标得到了较大的提高，得出了几个有用的结论并形成了实验系统。     

用于不变特征抽取的MADALINE网络的改进和硬件实现

从实时应用的角度计论和改进了ＭＡＤＡＬＩＮＥ神经网络，给出了局部连接型ＭＡＤＡＬＩＮＥ不变网络的算法结构，将算法简化为一般的矩阵运算，提出了通过学习确定固定ＭＡＴ阈值和自适应ＭＡＪ阈值的方法，用硬件实现了处理二值输入模式的局部连接型ＭＡＤＡＬＩＮＥ网络，给出了ＭＡＤＡＬＩＮＥ网络原型与改进型的比较结果。     

二进前向多层神经网络实现的研究

文章提出一种硬件实现二进前向多层神经网络及其硬限幅函数的方法。所设计的神经元电路的权值和阈值均为片内存储的整数，可取负值，也可学习，当输入模式要求更大的维数时可以扩展。仿真结果符合要求。     

模糊汉明神经网络及其实现的研究

由于传统汉明神经网络未解决模式重叠和识别算法是否一定收敛的问题,也未充分利用输入模式与其他神经元之间的靠近程度信息,本文提出一种模糊汉明神经网络.模糊汉明神经网络可接受二值和非二值输入;使用模糊类隶属度子网解决模式重叠问题和充分利用靠近程度信息;采用比较子网保证算法的收敛和减少互连.其模块式的电路设计也便于网络的VLSI实现和扩展.     

The use of an adaptive threshold element to design a linear optimal pattern classifier

This paper develops a relationship between two traditional statistical methods of pattern classifier design, and an adaption technique involving minimization of the mean-square error in the output of a linear threshold device. It is shown that the two-category classifier derived by least-mean-square-error adaption using an equal number of sample patterns from each category is equivalent to the optimal statistical classifier if the patterns are multivariate Gaussian random variables having the same covariance matrix for both pattern categories. It is also shown that the classifier is always equivalent to the classifier derived by R. A. Fisher. A simple modification of the least-mean-square-error adaption procedure enables the adaptive structure to converge to a nearly-optimal classifier, even though the numbers of sample patterns are not equal for the two categories. The use of minimization of mean-square error as a technique for designing classifiers has the added advantage that it leads to the optimal classifier for patterns even when the covariance matrix is singular.     

一种新型的神经元激活函数及其导数的可编程发生器

在神经网络的片上学习中 ,需要将神经元激活函数及其导数都映射为硬件。为满足这种需求 ,利用前向差分的原理 ,提出了一种新型的神经元激活函数及其导数的可编程发生器。该发生器采用模拟电路 ,具有结构简单、速度快、功耗小的优点。它产生的函数不仅与理想函数的拟合程度很好 ,而且可对阈值和增益因子进行编程 ,从而克服了一般模拟电路可编程性差、适用范围窄的缺点。采用标准 1 .2μm CMOS工艺的第 47级模型 ,对电路进行的 HSPICE模拟结果表明该发生器性能优越     

Neural network applications in smart antenna arrays: A review

Techniques employed in the synthesis of antenna arrays vary from complex analytical methods to iterative numerical methods based on optimisation algorithms. The drawback of these techniques is that they usually consider the array factor but not the interaction between array elements and real-time problems. This omission induces an error in the resultant radiation pattern; therefore, the physical relations between the array feeding details and the corresponding radiation patterns are taken into account to improve the accuracy. The behaviour of an antenna array is nonlinear in nature, resulting in an extremely high complexity using this approach, and it is usually disregarded. A neural-network-based solution can avoid complexity by establishing a relation between the desired radiation patterns and feeding details such as voltage and spacing in the real antenna array and can help convert the real array into a smart array. Several neural network applications in smart antenna array synthesis are reviewed in this paper.     

Movement-based location update and selective paging for PCSnetworks

This paper introduces a mobility tracking mechanism that combines a movement-based location update policy with a selective paging scheme. Movement-based location update is selected for its simplicity. It does not require each mobile terminal to store information about the arrangement and the distance relationship of all cells. In fact, each mobile terminal only keeps a counter of the number of cells visited. A location update is performed when this counter exceeds a predefined threshold value. This scheme allows the dynamic selection of the movement threshold on a per-user basis. This is desirable as different users may have very different mobility patterns. Selective paging reduces the cost for locating a mobile terminal in the expense of an increase in the paging delay. We propose a selective paging scheme which significantly decreases the location tracking cost under a small increase in the allowable paging delay. We introduce an analytical model for the proposed location tracking mechanism which captures the mobility and the incoming call arrival patterns of each mobile terminal. Analytical results are provided to demonstrate the cost-effectiveness of the proposed scheme under various parameters     

有隐层指导的多层前馈网络学习算法研究

采用基于知识的方法对隐层训练加以指导，有效地改善了训练算法的效果，并使隐层节点数可以明确地确定．在增加新模式时，训练不必完全重新开始，使训练时间大为缩减．     

低信噪比下的数字调制信号自动识别

提出了一种基于神经网络的数字调制信号识别。首先利用升余弦滤波器滤波,然后提取了5个用于识别的特征参数,利用神经网络分类器进行数字凋制识别。神经网络分类器采用了多层组合的神经网络分类器,不需要设定判决门限,而且在收敛速度、训练时间以及识别率方商都有很大改进。仿真结果表明,在信噪比大于4dB时,系统的正确识别率可达95％以上。这种低信噪比下快速有效的调制识别方法易于实时应用和工程实现。     

PCNN和Otsu理论在图像增强中的应用

提出了基于改进的脉冲耦合神经网络(PCNN)与Otsu的图像增强新方法。该方法对PCNN进行了改进,而用改进后的PCNN进行图像去噪处理,继而用Otsu方法寻找最佳灰度阈值后进行图像增强。仿真实验表明,该方法滤波后信噪比(PSNR)为18．9305,而高斯滤波为5．4087;同时又能根据图像灰度性质自动选取最佳阈值,并对自适应分割后图像进行不同的灰度变换,使图像得到有效增强。仿真结果证明了该方法的有效及合理性。