图像矢量量化—频率敏感自组织特征映射算法

用神经网络实现图像矢量量化是一种非常有效的方法，本文在分析自组织特征映射（ＳＯＦＭ）算法的基础上，提出了一种频率敏感自组织特征映射（ＦＳＯＦＭ）算法，并对网络学习训练参数的优化进行了探讨。实验表明，ＦＳＯＦＭ算法优于ＳＯＦＭ算法。     

5.5瓦AC适配器

具有通用输入（８５－２６５Ｖ ＡＣ）的 ５．５Ｗ（９Ｖ,０．６Ａ） ＡＣ：适配器电路示于图１。此适配器的关键元件是ＴＮＹ２５６（ＴｉｎｙＳｗｉｔｃｈ）控制器,它把高电压功率ＭＯＳＦＥＴ（７００Ｖ）开关与电源控制器组合在一个器件中。它不像通常的ＰＷＭ（脉宽调制）控制器那样,采用简单的ＯＮ／ＯＦＦ（开／关）控制来调整输出电压。ＴＮＹ２５６控制器由一个振荡器、使能（感测和逻辑）电路、５．８Ｖ稳压器、旁路端欠压电路、过温保护、限流电路、前沿消隐和一个７００Ｖ功率ＭＯＳＦＥＴ组成。ＴＮＹ２５６包括用于线路欠…     

多媒体通信中智能化媒体内同步机制

本文提出了一种智能化视频流量的预测和同步机制（ＩＦＳＭ）,它由ＢＰ神经网络流量预测器（ＢＰＮＮ）、输出缓冲区和基于模糊神经网络（ＦＮＮ）的输出速率决策器所组成。ＢＰＮＮ采用一种在线训练的ＢＰ神经网络预测在将来的一定时间间隔（ＦＩ）内的平均分组速率,ＦＮＮ决策器根据预测的流量特性和缓冲区中的分组数动态地调节下一个分组输出的时间。仿真结果表明：与窗口机制相比,ＩＦＳＭ能够使视频流量取得较高的连续性和较低的时延,并且由于ＦＮＮ的学习能力,ＩＦＳＭ可以自适应地调节相应参数以满足不同的服务质量的要求。     

EEPROM单元结构的变革及发展方向

扼要阐述了电可擦除可编程只读存储器（ＥＥＰＲＯＭ）发展史上的各种结构如ＦＡＭＯＳ、ＭＮＯＳ、ＳＩＭＯＳ、ＤＩＦＭＯＳ、ＦＥＴＭＯＳ（ＦＬＯＴＯＸ）等，比较了它们的优缺点，着重论述了ＥＥＰＲＯＭ结构今后的变革方向。     

复数FIR DF设计的神经网络优化方法

本文基于人工神经网络（ＡＮＮ）能量函数优化理论，提出了一种ＦＩＲ数字滤波器（ＤＦ）神经网络优化设计（ＮＮＯ）方法的理论框架。该理论将实数与复数ＦＩＲ ＤＦ设计工作统一起来。表征设计质量的加权均方误差被当作ＡＮＮ能量函数，以此导出ＦＩＲ－ＮＮＯ的Ｌｙａｐｕｎｏｖ方程，文中说明了算法实现的基本原则，并给出了两个实数线位和一个复数非线性相位ＦＩＲ ＤＦ设计实例。通过与其它几种方法的比较证明了该方法的有效     

自对准硅化物CMOS／SOI技术研究

在ＣＭＯＳ／ＳＩＭＯＸＳＯＩ电路制作中引入了自对准钴（Ｃｏ）硅化物（ＳＡＬＩＣＩＤＥ）技术，研究了ＳＡＬＩＣＩＤＥ工艺对ＳＯＩＭＯＳＦＥＴ单管特性和ＣＭＯＳ／ＳＯＩ电路速度性能的影响．实验表明，采用ＳＡＬＩＣＩＤＥ技术能有效地减小ＭＯＳＦＥＴ栅、源、漏电极的寄生接触电阻和方块电阻，改善单管的输出特性，降低ＣＭＯＳ／ＳＯＩ环振电路门延迟时间，提高ＣＭＯＳ／ＳＯＩ电路的速度特性．     

硬件控制的8k×8 SRAM/EEPROM U630H64原理及接口应用

Ｕ６３０Ｈ６４内含反相映射的８ｋ字节ＳＲＡＭ和８ｋ字节ＥＥＰＲＯＭ，通过命令可以将ＳＲＡＭ中的数据写入ＥＥＰＲＯＭ或把ＥＥＰＲＯＭ中的数据回送至ＳＲＡＭ，以备断电时的数据保护。该芯片所采用保护数据的方法是除ＮＶＳＲＡＭ、Ｆｌａｓｈ之外的一种独特的方法。本文介绍了该芯片的内部结构，并给出了与单片机的接口电路。     

Net Test推出MPLS interEMULATOR3.0版

ＮｅｔＴｅｓｔ（前ＧＮＮｅｔｔｅｓｔ）公司日前发布了ＭＰＬＳｉｎｔｅｒＥＭＵＬＡ ＴＯＲ３．０版 ,其中增加了对ＯＳＰＦ（ＴＥ）、ＢＧＰ -４和ＩＳ -ＩＳ（ＴＥ）路由协议和下行任意标记映射的支持。此外 ,ＭＰＬＳｉｎｔｅｒＥＭＵＬＡＴＯＲ３．０现在可以从ＯＰＮＥＴＴｅｃｈｎｏｌｏｇｉｅｓ公司产品中引入网络拓扑结构 ,消除了劳动密集型的网络建模数据录入工作 ,保证了迅速设计和部署复杂的ＭＰＬＳ网络。随着越来越多的设备制造商和网络运营商开发和部署ＭＰＬＳ战略 ,测试和验证ＭＰＬＳ网络和网络元器件的坚固性、可扩充…     

单体模糊神经网络：在智能控制中的应用及VLSI实现

本文提出了一种融合人工神经网络与模糊集合理论思想的网络结构一单体模糊神经网络（ＭＦＮＮｓ）在对该网络结构性质进行讨论的基础上，设计了该系统在智能控制领域中的应用，同时介绍了采用２μｍ电流型多值逻辑ＣＭＯＳ集成电路系统进行的设计和实现的情况，研究表明这一新型的模糊神经网络有广阔的应用前景。     

全业务接入网

本文介绍了全业务接入网（ＦＳＡＮ）的网络结构,讨论了其中的关键技术：ＡＴＭ无源光网络（ＡＰＯＮ）设计、ＡＰＯＮ帧结构以及ＷＤＭ和ＥＤＦＡ在网络中的应用,最后提出自己的建议。     

基于结构自适应自组织神经网络的图像压缩算法的研究

图像矢量量化（VQ）是图像压缩算法中的重要环节，而在VQ中起决定性因素的又是能否构造出性能优异的码书，本文在比较LBG，SOFM和改进的SOFM优缺点的基础上，采用具有结构自适应特性的自组织神经网络（SASONN）来构造码书，克服了SOFM算法的网络映射欠准确、神经元过利用等弊端，并将结果应用在图像压缩编码算法（VQ＋DPCM＋DCT）中，实验结果表明，主客观效果良好。     

基于自组织特征映射神经网络的聚类分析

在深入研究自组织特征映射（Self-organizing Feature Mapping,SOFM）神经网络的结构和聚类算法的基础上,阐述了SOFM网络的建立方法.以随机二维向量的聚类为例,利用所建立的SOFM网络模型对输入的随机二维向量进行聚类,并着重研究了输出层神经元拓扑结构、训练步数对聚类结果的影响以及在相同拓扑结构条件下,SOFM网络模型的权值向量的调整过程.仿真结果表明：在输出层神经元节点形式为六边型条件下,输出层神经元的个数越多,SOFM网络模型的聚类结果就越准确;在相同的拓扑结构条件下,训练步数越大,SOFM网络聚类结果越准确,但过大的训练步数对于聚类结果的影响甚微.     

一种改进的结构自适应自组织神经网络算法

针对结构自适应自组织神经网络神经元分布的特点和节点生长-删除算法的局限性．提出了一种改进的结构自适应自组织神经网络。根据神经元的学习速率、领域、兴奋度及相似阈值等状态信息．该算法可适应地调整神经网络的结构，克服了现有结构自适应神经网络的局限性。具有很好的聚类和泛化能力。实验结果表明该算法对样本的聚类有很好的效果并且具有很好的泛化能力。     

基于小波包和自组织网络的模拟电路故障诊断

提出了一种基于小波包变换和SOFM网络相结合的模拟电路故障诊断方法.利用小波包分解作为预处理和消噪工具,对电路采样信号进行多尺度分解和消噪,然后进行能量特征提取、归一化,作为样本输入给神经网络.用SOFM网络竞争层的神经元,对样本数据进行故障识别分类,克服了BP网络隐层神经元选取困难的缺点.详细叙述了诊断原理和步骤,并给出了诊断实例.     

Fingerprint classification through self-organizing feature mapsmodified to treat uncertainties

In this paper, a neural network structure based on self organizing feature maps (SOFM) is proposed for fingerprint classification. In order to be able to deal with fingerprint images having distorted regions, the SOFM learning and classification algorithms are modified. For this purpose, the concept of “certainty” is introduced and used in the modified algorithms. This fingerprint classifier together with a fingerprint identifier, constitute subsystems of an automated fingerprint identification system, named HALafis. Our results show that a network that is trained with a sufficiently large and representative set of samples can be used as an indexing mechanism for a fingerprint database, so that it does not need to be retrained for each fingerprint added to the database     

Acoustic seafloor sediment classification using self-organizingfeature maps

A self-organizing feature map (SOFM), a kind of artificial neural network (ANN) architecture, is used in this work for continental shelf seafloor sediment classification. Echo data are acquired using an echosounding system from three types of seafloor sediment areas. Excellent classification (~100%) for an ideal output neuron grid size of 15×1 is obtained for a moving average of 35 input snapshots     

容差模拟电路故障模糊诊断方法及其实现

提出了基于SOFM神经网络的容差模拟电路故障模糊诊断方法及其实现。该方法将网络撕裂法和SOFM神经网络相结合进行故障测试．并运用所设计的模糊逻辑神经网络系统判断测试条件，定位容差模拟电路的子网络级故障。仿真试验表明该方法故障定位精确度高。撕裂迅速，有利于大规模容差模拟电路故障诊断的实现。     

神经网络的特征映射聚类算法研究

自组织特征映射作为一种神经网络方法,在数据挖掘、机器学习和模式分类中得到了广泛应用。他将高维输入空间的数据映射到一个低维、规则的栅格上,从而可以利用可视化技术探测数据的固有特性。说明自组织特征映射神经网络的工作原理和具体实现算法,并在对已有神经网络聚类分析方法概括和总结的基础上,结合一些实验数据、仿真数据对自组织特征映射算法进行研究,得出了一些有意义的结论。     

A Normalizing aVLSI Network with Controllable Winner-Take-All Properties

We describe an aVLSI network consisting of a group of excitatory neurons and a global inhibitory neuron. The output of the inhibitory neuron is normalized with respect to the input strengths in a manner that is useful in any system where we wish the output signal to code only the strength of the inputs, and not be dependent on the number of active inputs. The circuitry in each neuron is equivalent to that in Lazzaro's winner-take-all (WTA) circuit [1] with one additional transistor and a voltage reference. As in Lazzaro's circuit, the outputs of the excitatory neurons code for the neuron with the largest input. The novel feature is that multiple winners can be chosen (soft-max). By varying one parameter, the network can operate in a soft-max regime or a WTA regime. We show results from two different fabricated networks.     

Feature extraction of chromosomes from 3-D confocal microscope images

An investigation of local energy surface detection integrated with neural network techniques for image segmentation is presented, as applied in the feature extraction of chromosomes from image datasets obtained using an experimental confocal microscope. Use of the confocal microscope enables biologists to observe dividing cells (living or preserved) within a three-dimensional (3-D) volume, that can be visualised from multiple aspects, allowing for increased structural insight. The Nomarski differential interference contrast mode used for imaging translucent specimens, such as chromosomes, produces images not suitable for volume rendering. Segmentation of the chromosomes from this data is, thus, necessary. A neural network based on competitive learning, known as Kohonen's self-organizing feature map (SOFM) was used to perform segmentation, using a collection of statistics or features defining the image. Our past investigation showed that standard features such as the localized mean and variance of pixel intensities provided reasonable extraction of objects such as mitotic chromosomes, but surface detail was only moderately resolved. In this current work, a biologically inspired feature known as local energy is investigated as an alternative image statistic based on phase congruency in the image. This, along with different combinations of other image statistics, is applied in a SOFM, producing 3-D images exhibiting vast improvement in the level of detail and clearly isolating the chromosomes from the background. Index Terms-DIC, differential interference contrast, feature extraction, feature space, image segmentation, local energy, Morlet wavelet, phase congruency, self organizing feature map, SOFM.