BBL布局的均场退火方法

均场退火方法既可以看作是一种新的神经网络计算模型,又可视为是对模拟退火的重大改进,提出了一个基于均场退火方法的任意单元布局算法,用一个三维二值换位矩阵将问题映射了为神经网络,建立包含重叠约束和优化目标的能量函数,再用均场退火方程迭代求解,每个单元只能放置在布局平面一个位置上的约束,用神经元归一化的方法解决。     

双文丘利测风装置的现场应用和改进

在合理布置的情况下,双文丘利和机翼这两种测风装置都可以满足锅炉机组对风量测量的控制要求。但在实际运行中,有一些机组的测风装置布置不尽合理,至使风量测量偏差过大或完全不能使用,锅炉通风量难以准确调整,影响锅炉机组的燃烧和控制。根据双文丘利在电厂应用中存在的问题,提出了改进办法,取得了较好的效果,具有一定的借鉴推广价值。     

打破垄断 推动塑料光纤国产化

在塑料光纤这个新兴行业，国外企业优势明显，而江西大圣则致力于打破垄断，全力发展民族工业，尽力为国家节省投资和资源。在“2009年中国行业应用网络发展论坛”上，江西大圣塑料光纤有限公司的胡卫明副总经理就塑料光纤的发展、产品、应用方向及其解决方案阐释了自己的观点。     

基于多视角融合稀疏表示的恐怖视频识别

现有的基于多示例学习的恐怖视频识别算法都是假设示例间是相互独立的,而忽略了恐怖视频中存在的上下文信息和示例包的统计特性.因此,本文提出了一种多视角融合稀疏表示模型.该模型分别从集合视角、上下文视角以及统计特性视角三个不同的视角来看待一个视频片段,并利用联合稀疏表示框架将三个不同视角融合到一个分类框架中,用来进行恐怖视频的识别.在恐怖视频库上的实验结果验证了算法在恐怖视频识别中比现有的其它算法有更好的性能和稳定性.     

System partitioning on MCM using a new neural network model

A new self-organizing neural network model is presented, which can get rid of some fatal defects facing the Kohonen self-organizing neural network, known as the slow training speed, difficulty in designing neighboring zone, and disability to deal with area constraints directly. Based on the new neural network, a new approach for performance-driven system partitioning on MCM is presented. In the algorithm, the total routing cost between the chips and the circle time are both minimized, while satisfying area and timing constraints. The neural network has a reasonable structure and its training speed is high. The algorithm is able to deal with the large scale circuit partitioning, and has total optimization effect. The algorithm is programmed with Visual C language, and experimental result shows that it is an effective method.     

用神经网络求解时延、功耗和连线三重驱动的布局问题

本文应用Ｋｏｈｏｎｅｎ自组织神经网络求解时延、功耗和连线三重驱动的门阵列布局问题．算法用自组织学习算法和分配算法确定关键单元的位置,用迭代改善的方法确定非关键单元的位置,从而获得关键线网最短、散热大的单元离得尽可能远并且单元连线总长尽可能短的布局．本文还介绍了面向线网和功耗的样本矢量的概念,与面向单元的样本矢量相比,面向线网和功耗的样本矢量不仅可以直接处理多端线网,而且能够描述时延信息和热信息．实验表明这是一种有效的方法     

性能驱动的多层布线有约束分层及其神经网络求解方法

介绍了性能驱动多层布线有约束分层的思想,给出了相应的形式化描述,提出了一种神经网络求解算法．算法以通孔最少为优化目标,以通孔能够连接任意两层之间的线段、不同线网的线段不能在同一层上相交和一线网的通孔不能在它所穿过的层上与其它线网相交为约束条件．算法通过换位矩阵把问题映射为神经网络,并建立了问题的能量函数,再用均场退火方程迭代求解．每条线段只能分配到一层上的约束用神经元归一化的方法处理．另外,算法不仅还能够考虑线网的时延关键性,以进一步减少系统时间延迟,而且还可以防止相互串扰的线网分在同一层上．