GPRS／EGPRS网络的多维优化

以江苏无锡地区爱立信设备为例，从GPRS／EGPRS网络的功能开通条件、基础网络优化、面向终端的优化以及面向业务的优化等多个方面，全方位探讨了GPRS/EGPRS网络的建设和优化工作。     

基于改进灰狼优化算法的服务功能链映射算法

随着工业互联网、车联网、元宇宙等新型互联网应用的兴起，网络的低时延、可靠性、安全性、确定性等方面的需求正面临严峻挑战。采用网络功能虚拟化技术在虚拟网络部署过程中，存在服务功能链映射效率低与部署资源开销大等问题，联合考虑节点激活成本、实例化开销，以最小化平均部署网络成本为优化目标建立了整数线性规划模型，提出基于改进灰狼优化算法的服务功能链映射（improved grey wolf optimization based service function chain mapping，IMGWO-SFCM）算法。该算法在标准灰狼优化算法基础上添加了基于无环K最短路径（K shortest path，KSP）问题算法的映射方案搜索、映射方案编码以及基于反向学习与非线性收敛改进三大策略，较好地平衡了其全局搜索及局部搜索能力，实现服务功能链映射方案的快速确定。仿真结果显示，该算法在保证更高的服务功能链请求接受率下，相较于对比算法降低了11.86%的平均部署网络成本。     

金山快译2003

金山快译2003继承了金山快译2002功能全面的优点,可实现中英日文之间的翻译,并在专业文档优化方面有了大幅增强,和词霸也更加紧密.其主要功能满足了不同层次用户的需求.     

超高速专用集成电路的优化和可靠性设计

从电路逻辑方式、功能电流、制作工艺和单元电路结构几方面分析了专用集成电路的优化设计，并结合正交设计技术给出了最佳方案，针对电路常见的各种失效模式，提出了相应的改进措施，作为设计实例，采用正交设计技术对一种时序分配器进行优化和可靠性设计，获得了满意的效果。     

自然码NT版及其使用经验

自然码是全国最有影响的键盘输入系统之一,深受广大用户的喜爱。自然码NT版(ZRMNT)较其以前的各个版本,有其更为优秀与实用的功能。ZRMNT继承了原版自然码的基本特点和功能并加以优化,摒弃了少数意义不大的功能,增加了一些新的实用功能。在运行速度、内存占用、词库管理和程序质量等方面都具有重大改进。     

浅谈ASON网络的运维管理和规划优化

本文主要探讨了ASON技术的引入对传送网运维管理的影响，与传统SDH网络维护的差异；并描述了与传统网络的规划优化相比，ASON网络的规划优化特点和主要过程，并简要提出了ASON规划优化工具应实现的主要功能等方面内容。     

浅谈当前矩阵系统的发展趋势

简要介绍了传统矩阵的组成、功能。从矩阵的规模及支持信号的类型、创新信号处理功能、智能化功能、安全性、监控报警功能、输出监看功能等方面详细介绍了新型矩阵Integrator Platinwm,各角度阐释了以其为代表的新型矩阵对总控系统的设计理念，优化传统工作流程的重要意义。     

浅析TD-LTE自优化功能实现方法

自优化功能是LTE系统中自组网技术的关键功能之一,多个无线网络参数将直接影响优化结果。文章对LTE中可调优化参数的相关性进行深入分析,以定量和定性两个方面准确地衡量各个参数之间的关系以及其自身重要程度,并提出自组网优化架构及相关流程,为工程实施提供指引。     

基于ATE的电源监控芯片测试方法

近年来，随着应用环境复杂性的提高，电源监控芯片也朝着高集成度、大功率密度和低功耗的方向发展。但随着芯片集成度的提高、管脚数的增多、功能的增强，在电源监控芯片量产测试方面，对测试程序的开发和自动测试设备提出了更为苛刻的要求。介绍了基于自动测试设备测试系统的电源监控芯片的测试方法，并进一步地研究了测试方法提升、熔丝修调及测试程序简化等方面的优化。经测试验证，优化后的测试方法效果良好，能够大幅地提高测试效率和产品良率，为此类芯片的测试提供了一定的参考。     

基于MCS-51单片机的自动控制及超额报警系统

本文将利用MCS-51单片机，构建一个软硬件系统，使其具有一个普遍意义上的控制系统所应该具有的主要功能，即自动调节功能和超额报警功能并介绍针对各种具体情况，可以进行的优化及优化的方法。     

一种模糊人工神经网络控制器的设计与研究

模糊控制与人工神经网络控制有许多相似之处，如何最大程度地发挥这两种控制的优点是一个很重要的问题。本文利用模糊控制算法快速、简便的优点弥补了人工神经网络算法复杂、缓慢的缺点，利用神经元特征函数使数控制更容易处理，以此为基础研制出一种模糊人工神经网络控制器。     

人工神经网络的发展及应用

人工神经网络是人工智能的重要分支,具有自适应、自组织和自学习的特点。回顾了人工神经网络理论的发展历史．并介绍了其在信息、医学、经济、控制等领域的应用及研究现状。随着人们对人工神经网络不断地探索和研究,并将其与一些传统方法相结合,将推动人工智能的发展,在以后的生产生活中发挥更大的作用。     

BP神经网络的发展现状综述

讨论目前人工神经网络领域中BP神经网络的特点、改进算法以及在实际中的应用。主要包括模式识别及分类、故障智能诊断、图像处理、函数拟合、最优预测等方面的应用。最后对目前人工神经网络的存在问题和发展前景做了初步探讨。     

NEURAL MEMORY MODEL AND ITS PIECEWISE-LINEAR NETWORK REALIZATION

This paper studies the neural networks by means of neural functions.The memoryfunction of neural networks is investigated and its mathematical model is given.The model issynthesized by a piecewise-linear resistive network which exhibits many properties of artificialneural network such as parallelism,real-time processing capability,distribution,adaptation.Inaddition,all parameters of the network are expressed analytically by the patterns and featureswhich are memorized in the network.     

Direction finding in phased arrays with a neural network beamformer

Adaptive neural network processing of phased-array antenna received signals promises to decrease antenna manufacturing and maintenance costs while increasing mission uptime and performance between repair actions. We introduce one such neural network which performs aspects of digital beamforming with imperfectly manufactured, degraded, or failed antenna components. This paper presents measured results achieved with an adaptive radial basis function (ARBF) artificial neural network architecture which learned the single source direction finding (DF) function of an eight-element X-band array having multiple, unknown failures and degradations. We compare the single source DF performance of this ARBF neural network, whose internal weights are computed using a modified gradient descent algorithm, with another radial basis function network, Linnet, whose weights are calculated using linear algebra. Both networks are compared to a traditional DF approach using monopulse     

进化计算与人工神经网络的结合

进化计算和人工神经网络作为两个工具在众多的研究领域得到了广泛应用。进化计算和人工神经网络本身也得到了很大的发展。类似于生物神经网络,人工神经网络（ Ａ Ｎ Ｎ） 由一些简单的处理单元组成,这些单元通过权值的连接而相互作用。 Ａ Ｎ Ｎ 因其鲁棒性、并行性及学习能力受到特别的重视。进化计算体现了生物进化中的四个要素,即：繁殖、变异、竞争和自然选择。目前泛指各种基于生物进化原理的仿真计算方法的总称。文中首先介绍了进化计算的有关概念,包括遗传算法、进化策略等,其次就其与人工神经网络技术相结合的方法作了进一步分析探讨。主要集中于进化的网络结构设计、进化的网络训练及其它结合方法等方面的有关问题。     

基于神经网络的传播预测模型浅析

传播预测模型是网络规划和频谱资源合理利用的基础。在分析了现有模型不足的基础上,介绍了人工神经网络的结构及其传播预测模型的构建,并对该模型进行了改进,提出了应用反向传播(Back-Propagation,BP)神经网络的混合传播模型。人工神经网络具有良好的非线性逼近能力和泛化能力,非常适用于特定地区传播损耗的预测。通过对试验数据的分析处理,验证了此方法能够更真实地反映该区域的无线电波传播环境,得到更高的预测准确度。     

Widrow-Hoff神经网络学习规则的应用研究

基于线性神经网络原理,提出线性神经网络的模型,并利用Matlab实现Widrow-Hoff神经网络算法。分析Matlab人工神经网络工具箱中有关线性神经网络的工具函数,最后给出线性神经网络在系统辨识中的实际应用。通过对线性神经网络的训练,进一步验证Widrow-Hoff神经网络算法的有效性,以及用其进行系统辨识的高精度拟合性。     

神经记忆的电阻网络综合

本文提出了从神经系统功能进行网络综合的观点。对神经网络的记忆功能进行了研究,建立了数学模型,并用分段线性电阻网络进行综合。所得到的非线性电阻网络除具有并行性、实时性、分布性和自适应等一系列人工神经网络的特点外,网络中各参数由网络所应记忆模式和特征向量的解析式给出,这比传统的人工神经网络具有较强的直观性,便于实际应用。     

Face Image Recognition Based on Convolutional Neural Network

With the continuous progress of The Times and the development of technology,the rise of network social media has also brought the“explosive”growth of image data.As one of the main ways of People’s Daily communication,image is widely used as a carrier of communication because of its rich content,intuitive and other advantages.Image recognition based on convolution neural network is the first application in the field of image recognition.A series of algorithm operations such as image eigenvalue extraction,recognition and convolution are used to identify and analyze different images.The rapid development of artificial intelligence makes machine learning more and more important in its research field.Use algorithms to learn each piece of data and predict the outcome.This has become an important key to open the door of artificial intelligence.In machine vision,image recognition is the foundation,but how to associate the low-level information in the image with the high-level image semantics becomes the key problem of image recognition.Predecessors have provided many model algorithms,which have laid a solid foundation for the development of artificial intelligence and image recognition.The multi-level information fusion model based on the VGG16 model is an improvement on the fully connected neural network.Different from full connection network,convolutional neural network does not use full connection method in each layer of neurons of neural network,but USES some nodes for connection.Although this method reduces the computation time,due to the fact that the convolutional neural network model will lose some useful feature information in the process of propagation and calculation,this paper improves the model to be a multi-level information fusion of the convolution calculation method,and further recovers the discarded feature information,so as to improve the recognition rate of the image.VGG divides the network into five groups(mimicking the five layers of AlexNet),yet it USES 3*3 filters and combines them as a convolution sequence.Network deeper DCNN,channel number is bigger.The recognition rate of the model was verified by 0RL Face Database,BioID Face Database and CASIA Face Image Database.