改进的Hamming神经网络在R＆D项目中止决策中的应用

针对 Ham ming网络的匹配网络中输出节点的阈值 ,采用一种既能反映模式向量又能反映输入向量的调整方式 ,使改进的 Hamm ing网络能够测度基于欧氏距离的向量间的贴近度。探讨了改进的Hamming网络在 R& D项目中止决策领域应用的可行性 ,同时对改进的 Hamm ing神经网络算法迭代的收敛性给出了证明。案例研究表明 ,改进后的 Ham ming神经网络能有效地对 R& D项目实施中止决策     

基于Hamming神经网络的R&D项目中止决策方法

提出了适用于R&D项目中止决策的Hamming神经网络方法,用初等数学知识证明了 Hamming神经网络算法迭代的收敛性,并论述了该方法对正在实施的R&D项目进行模式识别 的可行性.最后用一个实例验证了本文所提方法的有效性.     

基于支持向量机的R＆D项目中止决策算法

提出了一种基于支持向量机的R＆D项目的中止决策算法,该算法根据以往同类R＆D项目失败或成功的经验作为学习样本,来识别未知性质的R＆D项目的类别,从而做出中止还是继续研究的决策。算法不存在困扰神经网络算法的局部极小值问题。为解决项目各指标权重及合理阈值难以确定的R＆D项目中止决策提供了一种有效的途径。最后用一个实例验证了该算法的可行性和有效性。     

基于R&D溢出的集中研发联盟合作行为

研究了在联盟合作R&D中R&D溢出、R&D溢出的抑制能力以及创新能力对联盟成员的R&D投资策略的影响, 确定了联盟获得最大期望投入的最优分配方式. 研究表明: 1) R&D溢出和创新能力对联盟成员增加R&D投入有正效应; 企业抑制R&D溢出的力量对R&D投入有负效应, 但影响力很弱. 2) 对于创新能力强的联盟, 平均分配为最优分配方式; 对于创新能力弱的联盟, 市场规模低时选择按投入比例分配方式, 市场规模高时选择平均分配方式.     

基于支持向量机的R&D项目中止决策算法

提出了一种基于支持向量机的R&D项目的中止决策算法,该算法根据以往同类R&D项目失败或成功的经验作为学习样本,来识别未知性质的R&D项目的类别,从而做出中止还是继续研究的决策.算法不存在困扰神经网络算法的局部极小值问题.为解决项目各指标权重及合理阈值难以确定的R&D项目中止决策提供了一种有效的途径.最后用一个实例验证了该算法的可行性和有效性.     

基于模糊自适应Hamming网的语音识别方法

本文提出了一种基于模糊自适应Hamming网络的连续汉语识别方法,用模糊自适应Hamming网络来估计HMM中的状态观测概率。结合HMM对动态时间序列极强的建模能力和神经网络的分类决策能力来提高语音识别的准确率。通过对非特定人汉语连续词的语音识别实验,证实了该方法的有效性。     

我为Delphi着迷——Danny Thorpe访谈录

Danny Thorpe从Delphi 5开始担任Delphi的首席架构师．是Borland R&D部门的灵魂人物。本刊记者在Delphi 2005推出之际．对他进行了专访，以下是采访全文。     

一种新型双向联想记忆神经网络

提出了一种新型双向联想记忆神经网络,此网络将两个相互关联的模式以模式对的形式存储在由N个连接构成的模式环中,记忆容量为22N数量级,完全消除了假模式对、能够全部或部分地回忆出与输入模式对具有最小Hamming距的被记忆的模式对,同时具有较高的记忆效率和可靠性。连接由“连接状态”和“禁止路径”组成,前者直接存储二进制模式对向量的分量,后者用于消除假模式;此神经网络具有正向联想、逆向联想和自联想方式,使得网络能更灵活有效地满足不同的回忆要求。     

机场助航灯光回路绝缘电阻预测方法研究

为了更好地对助航灯光回路绝缘电阻值进行预测,采用了一种新型的灰色神经网络预测模型.建立灰色补偿RBF网络模型,并将遗传算法优化后的支持向量机引入到RBF神经网络中,得到改进后的灰色补偿RBF网络模型.根据上海浦东国际机场绝缘电阻的实际测量值进行实例仿真,仿真结果表明,改进后的灰色神经网络提高了系统稳定性和绝缘电阻值的预测精度.     

多属性信息决策的改进无监督学习算法建模与应用

针对SOM网络无监督学习算法的单样本序列学习方式内存占用多的特点,采用Voronoi矢量原理改进权矢量迭代方式,使改进算法具有所有样本同时学习的能力,同时给出了算法的矢量映射误差测度和拓扑误差测度。然后根据改进算法建立了多属性信息决策的可视二维拓扑映射图模型,并对R&D项目中止决策进行了研究。计算结果表明,改进的无监督学习算法收敛速度快,基于拓扑映射图模型的多属性决策有效。