量子Hopfield神经网络及图像识别

传统的Hopfield网络的存储容量是神经元个数的0·14倍(P=0·14N)。由于它在识别大量的图像或模式时遇到了巨大的困难,所以研究人员一直在寻找新的方法。由量子计算和神经网络结合而产生的量子神经网络是新兴和前沿的学科之一。为了提高图像识别的速度和增加图像识别量,在分析了量子线性叠加特性的基础上,提出了一种用于存储矩阵元素的基于概率分布的量子Hopfield神经网络,它在存储容量或记忆容量上提高到了神经元个数的2N倍,比传统的Hopfield神经网络有了指数级的提高。通过图像识别的实例分析和仿真试验的结果表明,该量子Hopfield神经网络能有效地识别图像或模式,并且工作过程符合量子演化过程。     

参考点自适应调整下评价指标驱动的高维多目标进化算法

在具有不同Pareto前沿形状的优化问题上, 基于参考点的高维多目标进化算法表现出较差的通用性. 为了解决这个问题, 提出参考点自适应调整下评价指标驱动的高维多目标进化算法(Many-objective evolutionary algorithm driven by evaluation indicator under adaptive reference point adjustment, MaOEA-IAR). MaOEA-IAR提出Pareto前沿形状监测基础上的参考点自适应策略, 利用该策略选择一组候选解作为初始参考点; 然后通过曲线参数对参考点位置进行调整; 将最终得到的能够适应不同Pareto前沿的参考点用于计算增强的反世代距离指标, 基于指标值设计适应度函数作为选择标准. 实验证明提出的算法在处理各种Pareto前沿形状的优化问题时能获得较好的性能, 算法通用性高.     

TMS320F206的中断技术及其实现

TMS320F206是德州仪器公司定点DSP芯片中具有代表性的一种,在介绍其特点和中断技术的基础上,重点阐述了该芯片在软件开发过程中中断技术是如何实现的。     

量子线性卷积及其在图像处理中的应用

线性卷积在图像处理中发挥着重要作用,但是在处理海量高分辨率图像时,求解线性卷积会消耗许多计算资源.为此,本文就量子线性卷积及其在图像处理问题中的应用开展相关研究,首先提出单通道,单位步长,零补充情况下的量子一维和二维线性卷积,然后实现多通道,非单位步长,非零补充的情况,最后将量子二维线性卷积应用于量子图像平滑,量子图像锐化和量子图像边缘检测.通过理论分析证明了量子线性卷积的空间复杂度O（logM）和时间复杂度O（log²M）较经典线性卷积有指数级下降,且基于Qiskit的仿真实验成功验证了量子线性卷积和量子图像处理算法的正确性和可行性.     

弱测量理论对三能级量子态共享的保真度分析

量子态共享是量子密码学研究中的一个重要分支,而纠缠态分发是实现量子态共享方案的必要手段.噪声环境会导致量子纠缠态产生退相干,从而降低量子态共享方案的性能甚至出现失败的情况.基于三能级量子系统下三方量子态共享方案,研究了振幅阻尼信道在4种不同配置下量子态共享的保真度问题.为提升共享量子态的保真度,采用量子弱测量方法对振幅阻尼噪声信道中纠缠态的分发进行保护,得到在量子弱测量方法辅助下振幅阻尼信道中量子态共享的保真度.最后,以特定形式的量子态为例,分析了在4种不同配置的振幅阻尼信道中量子弱测量方法对共享量子态保真度的改善效果.通过仿真实验表明,量子弱测量方法只对振幅阻尼信道中2种不同配置下的量子态共享保真度有改善作用,而对其他2种配置下量子态共享的保真度没有明显的改善效果,甚至会产生相反的效果.     

定点DSP实现高精度FIR数字滤波

研究在电力校表系统中应用定点DSP对交流电压、电流信号进行测量，因为是校准仪表，所以要求测量结果具有高精度和高稳定度；采用了高效的FIR滤波算法，并对FIR滤波算法进行了大量的补充和改进，使FIR滤波算法能够消除信号在外界干扰情况下形成的尖峰信号以及解决了信号的零漂问题，使得对交流电压、电流的测量准确、稳定，使测量结果精度在0.02％以内，达到了世界先进水平。     

一种大功率半导体激光治疗仪的设计

本文介绍了一种大功率半导体激光治疗仪的光路、电流源及保护电路和恒温控制单元。仪器采用980nm激光作为治疗光束,最大连续输出功率2W,以670nm激光作为瞄准光束。系统由单片机控制,实现了安全、稳定、可靠的运行。     

定点DSP芯片TMS320F206主从系统的设计

通过介绍一个基于定点DSP的主从系统，说明了定点DSP、80C196单片机和双口RAM的使用，具有很高的参考价值。     

定点DSP的准确计时

以定点DSP为例,阐述DSP芯片在实时控制领域中如何高精度地计算时间,为准确测量一些物理量打下坚实的基础,具有较高的参考价值。