具反映扩散有限连续分布时滞细胞神经网络的全局指数稳定性

研究了具反应扩散有限连续分布细胞神经网络的平衡点的存在性及全局指数稳定性问题,提出了新的比较原理,在对神经元的激励函数的较宽松的条件下,利用同伦不变性原理获得了该系统的平衡点的存在性,利用所得的比较原理获得了该系统全局指数渐近稳定性的充分条件,而且这些条件容易检验,并举了一个数值实例以说明结论的有效性．     

一种消息中间件安全接口的研究与实现

中间件平台提供的程序接口定义了一个相对稳定的高层应用环境，本文研究了利用安全中间件技术来屏蔽安全的复杂性．实现消息中间件的各种安全服务，同时探讨了消息中间件在网络层安全连接、传输层数据处理、API层数据处理等相关的安全技术及接口的研究与实现。     

基于Riccati-ItXô方程设计线性时滞系统鲁棒控制器的方法*

利用Ｒｉｃｃａｔｉ－Ｉｔｏ型矩阵代数方程研究线性时不变系统的状态反馈镇定问题，对时滞系统给出了一种状态反馈镇定方法，这种镇定方法适应于许多时滞系统，其设计方案具有滞后无关性及对于许多系统滞后项系数任意性的完全适应性，本文第二部分研究对不变线性不确定系统的鲁棒镇定，利用Ｒｉｃｃａｔｉ－Ｉｔｏ型矩阵代数方程给出了这类系统鲁棒镇定控制器的设计方法。     

具反应扩散项变时滞细胞神经网络模型 指数稳定性的新结果

针对一类具反应扩散项的变时滞细胞神经网络模型,利用Poincare不等式与Hanalay不等式等知识,获得了该系统的指数稳定性条件,该稳定性条件包含了扩散算子项,与以往结果比较,获得的指数稳定性条件更强,且降低了已有结论的保守性.最后,通过实例说明该方法的有效性.     

具多时滞的不确定多变量反馈系统的鲁棒稳定化

用矩阵测度研究了具有时滞的不确定系统,给出了在多变量反馈控制律作用下,系统指数渐近稳定的判别准则,推广和改进了文[1～3]的工作.     

开放场景下短时语音说话人识别系统的优化设计

为适应开放场景下说话人识别短时语音的应用需要，本文对说话人识别模型进行优化，提升了模型的准确率和鲁棒性.为了实现对重要频率特征的筛选，提出基于重加权的特征增强层及网络，起到增强特征表达的作用.将人脸识别领域的误分类样本损失函数首次引入到说话人识别领域，提高对困难样本的挖掘能力.提出基于误分类样本挖掘的分类损失与基于小样本学习框架的余弦角度原型损失的组合损失函数，解决了分类损失函数与说话人识别实际评测需求不匹配和度量函数对采样策略依赖性强的问题.实验结果显示，与基准模型相比，性能指标等误率（EER）降低12.45％，最小检测代价函数（minDCF）降低14.09％，取得现有说话人识别领域的优异效果.