关系结构中的神经计算

人工神经网络在许多应用领域中建立了一种新的高度并行计算的结构。具有表示概念和知识的模糊集合被认为是处理人们日常生活中不确定问题的一种工具。特别是关系结构,它在构造现实世界中的形式关系模型中起着非常重要的作用。本文根据模糊集合理论,提出新的神经网络结构及其新的学习算法,并研究其性质。一方面把模糊集合的方法学应用于神经网络结构和学习算法的研究,同时使得神经网络的硬件实现更加容易。     

宽带网中基于正则化模糊神经网络的连接接纳控制

提出了一种宽带网络中基于模糊神经网络的连接接纳控制（CAC）方法,结合了模糊逻辑的语言控制能力和神经网络的自学习能力,通过合理地选择输入语言变量和设计模糊规则学习结果,以使CAC对连接的接受／拒绝作出正确决定,并保证服务质量（QoS）。仿真结果表明,与现有的各种CAC相比,该方法可获得更高的资料利用率,更大的吞叶量和更低的信元丢失率。     

基于动态路由规则的胶囊网络模型研究

胶囊网络是近年来流行的新的神经网络模型,通常将其认为是卷积神经网络的一种变体。目前许多研究已表明胶囊网络能够很好地克服卷积神经网络的缺陷,其内部使用的“胶囊”和动态路由规则是胶囊网络取得更好识别效果的主要原因。在对比了两种神经网络模型优劣性的基础上,对胶囊网络的基本结构和主要算法规则进行了详细阐述,同时指出了目前胶囊网络存在的问题,并展望了可能的改进方向,总结了其实际应用。     

无线多点分配系统在宽带网中的应用

新的基于无线电的技术（如本地多点分配系统）是数字电视传输方式的一种,目前正在被开发并投入使用。它们的优点是具有高容量的下行链路,可以以一种灵活的方式被许多用户共享。LMDS正在全世界范围内应用。欧洲在2000年上半年已经投入使用。LMDS的优势是简单的操作和配置、按需的容量分配、对于宽频谱应用的潜在支持,从而具有发展远景。     

基于SDH线路的省级气象宽带网设计

本文简略介绍了陕西省气象局采用的基于租用移动公司 SDH 网络方式组建的高速宽带通信网络的情况,并借助原有的X.25分组网,适当补充了电话拨号方式建立起应急备份网络.借助浮动静态路由和OSPF 动态路由选择协议,实现两套网络之间的实时自动切换,保证了整个网络系统运行的稳定性.是普遍适合全国气象部门的一种廉价、稳定的网络系统设计方案.     

宽带网不是泡沫

曾经一度火热而后归于沉寂的宽带市场,由于近期不断出现的对中国宽带产业发展的各种质疑后,人们似乎更加相信曾经由资本市场和舆论界掀起的宽带热潮只不过是IT行业的又一场泡沫,中国宽带产业的发展前景让人感到茫然。然而中国宽带市场中的一支主力——长城宽带几个月来的不俗表现,却让我们看到了仍在黑暗中摸索的中国宽带产业的一线曙光。 自今年六月份以来,长城宽带持续     

延迟离散Hopfield神经网络的异步动态行为

利用网络的状态转移方程和能量函数来研究带有延迟项的离散Hopficld神经网络动力学行为,给出了非对称的延迟离散Hopfield神经网络异步收敛的几个充分条件。所获结果不仅推广了一些已有的结论,而且为网络的应用提供了一定的理论基础。     

打造安全宽带网

随着宽带网络的普及,电子商务、网上交易、远程教育、社区服务等将大面积应用于现实生活中,但随之而来的信息安全问题,已成为企业及公众所关心的焦点.     

神经计算与量子神经计算的研究综述

神经计算科学是从信息科学的角度,用计算的方法研究神经网络如何模仿和延伸人脑活动的机理及实现类脑智能信息系统的问题。量子神经计算是量子计算与神经计算相结合的产物。文中主要阐述了神经计算的研究现状,在其基础上对量子神经计算的概念及模型进行了介绍,综述了国内外的研究动态与发展趋势。     

基于深度卷积神经网络的图像重建算法

视频或者图像在传输过程中,可能出现随机性的误码、突发性的误码、传输中的丢包等等,对解码出的图像数据也会有严重的影响.本文提出了基于深度学习的图像重建算法：一种基于图像背景预测生成模糊区域内容的无监督图像重建神经网络模型.为了重建出逼真的图像,神经网络模型需要既理解整个图像的内容,又为缺失的部分重构出一个合理的假设.损失函数包含标准像素级重建损失和对抗损失,在训练卷积神经网络模型时,能够更好地处理图像中的结构细节产生更清晰的结果.通过实验可以发现本文设计的深度卷积神经网络模型与基于样本插值的算法相比在图像重建中有着较好的效果.     

基于约束区域神经网络的动态遗传算法

提出一种基于约束区域神经网络的动态遗传算法,将遗传算法的全局搜索和约束区域神经网络模型的局部搜索结合了起来.利用动态遗传算法确定神经网络模型的初始点,同时使用神经网络确定动态遗传算法的适应度函数.该算法具有一定的理论意义和生物意义.与标准的遗传算法相比,缩小了搜索规模,可获得不定二次规划问题更好的近似最优解.     

基于混沌神经网络的图像复原算法

文章提出了一种基于混沌神经网络的图像复原新算法。在对退化图像进行复原的过程中,针对Hopfield算法易于陷入局部极小的缺点,在Hopfield神经网络中引入暂态混沌和时变增益,充分利用混沌理论的全局搜索性能进行＂粗＂搜索,当搜索到全局最优解附近时,再利用Hopfield算法进行局部搜索。通过对图像复原后的效果进行比较,证明基于混沌神经网络方法得到的图像复原的信噪比更高,目视效果更加。     

基于神经网络模型的谐波检测改进算法

通过对基于傅里叶基函数的神经网络模型算法和加窗快速傅里叶变换算法的研究,提出基于神经网络模型的加窗谐波检测改进算法。该改进算法针对原算法中只能检测已知频率谐波及收敛速度慢的缺点,结合最优化理论,通过相关权值调整的方法,实现了算法对任何未知频率的检测和快速收敛。     

动态修正下的神经网络盲均衡算法

针对现有的神经网络算法收敛速度慢以及精确度低的问题,通过对传统的神经网络盲均衡算法以及前馈神经网络进行研究,提出一种具有自动修正效果的前馈神经网络盲均衡算法。该算法通过对算法中的代价函数以及迭代步长因子进行改进,来提高算法的收敛速度;通过对所获得的目标信号进行修正处理,来对所获取的信息进行修正。实验结果表明,该算法的实验结果与预期效果基本相符,具有可靠性强、收敛速度快的优势。     

一种基于RBF网络提取模糊规则的算法实现

径向基函数网络和模糊推理系统在一些柔和的情况下具有等价的功能,因此可以利用神经网络的学习算法来调节模糊系统的参数,学习后的模糊系统具有自学习和自组织性,但是削弱了模糊系统的可解释性。将模糊逻辑推理与神经网络控制技术相结合,分析了一种改进的径向基函数(RBF)神经网络结构,这种模糊神经网络结构能够有效地表达模糊系统可解释性这一突出特点,也使模糊系统具有了较好的自学习和自组织能力、通过VC 实现了基于这种RBF网络结构提取模糊规则的算法,并进行了仿真实验,仿真结果表明该算法是比较有效的。     

基于神经网络和遗传算法的机器人动态避障路径规划

文中提出了基于神经网络和遗传算法的动态环境下机器人动态避障路径规划方法,机器人工作空间动态环境信息的神经网络模型,并利用该模型建立机器人动态避障与神经网络输出的关系,然后将需规划路径的二维编码简化成一维编码,并把动态避障要求和最短路径要求融合成一个适应度函数.通过对算法进行实验仿真,结果表明提出的动态路径规划方法是正确和有效的.     

基于混沌神经网络的分类算法

提出了一种基于混沌神经网络的分类算法,利用改进的进化策略对多个三层前馈混沌神经网络同时进行训练.训练好各个分类模型以后,将待识别数据分别输入,混沌神经网络分类模型输出最终分类结果.实验结果表明,该算法可以较好地进行数据分类,而且与传统的神经网络算法以及决策树算法相比,在分类精度和识别率方面均有一定的改善,体现出较好的稳定性.     

基于自组特征映射神经网络的虹膜识别算法研究

虹膜识别是一种非侵犯性的身份鉴别技术。本文讨论了虹膜图像定位、归一化和增强等预处理方法,并提出了一种基于神经元网络的虹膜图像识别算法,它是对提取的归一化矩形虹膜纹理数据用训练的自组织特征映射(SOM)神经网络进行虹膜模式识别。实验表明,该方法识别正确率高,效果良好。     

基于神经网络的多示例回归算法

通过重新定义全局误差函数,提出了一种基于神经网络的多示例回归算法,并在基准数据集上对该算法进行了测试,取得了较好的效果.