一种并行的遗传／神经网络混合学习算法

提出了一种用于多层前馈神经网络训练的新算法，它把遗传算法与自适应共轭梯度学习算法集成起来，这种并行混合学习算法已经在多指令流多数据流（ＭＩＭＤ）平台实现，通过把该算法用于一个图像识别问题，对它的性能进行了评估。文中还显示了所提出的并行混合神经网络学习算法良好的收敛性。     

基于切片模型的快速混合学习算法

针对传统BP神经网络训练收敛速度慢、易陷入局部极小点的问题,将遗传算法与误差放大的BP学习算法相结合,提出基于切片模型的快速混合学习算法.该算法通过将传统神经网络的训练过程划分为许多小的训练切片,并利用遗传算法的并行寻优特性,对采用误差放大的BP训练过程进行监督.通过及时发现收敛速率较快的个体和过滤陷入局部极小点的个体,来保证网络训练的成功率和实现快速向全局最优区域逼近的目的.仿真实验表明,该算法在不增加网络隐层节点数的情况下,显著地提高了网络的收敛精度和泛化能力.     

层次模块化神经网络新方法研究

多个神经网络组成的系统有两种工作方式:其一是通过训练多个神经网络,以协同或竞争的方式来构建学习系统解决同一问题;其二则是将复杂问题分解成若干简单问题而后进行处理。应用分而治之的思想提出了一种层次模块化神经网络新方法———三层结构的模块化神经网络HMNN(HierarchicalModularNeuralNetwork)模型,在提高算法性能方面有一定优势,对比实验研究也表明该算法有效地提高了系统的泛化能力和算法稳定性。     

遗传算法和BP算法相结合进行图像匹配

将神经网络理论应用于图像匹配 ,提出采用遗传学习算法进行全局寻优、利用BP算法进行精确训练、优化BP(backpropagation)神经网络权重学习和训练的神经网络图像匹配算法 .实验表明该算法的收敛性能及学习速度优于传统的BP神经网络图像匹配算法及其他同类改进算法 ,具有寻优的全局性和精确性 .     

基于神经网络的电力通信网风险评估方法

提出了一种基于神经网络的电力通信网风险评估算法--基于二分法的学习速率自适应BP（back propagation）神经网络算法. 该算法在网络训练过程中使用二分法调整学习速率,使得学习速率在训练过程中不断向最优化方向自动调整. 仿真结果表明,收敛速度、误差精度和训练时间等算法性能得到了优化.     

神经网络集成的免疫学习算法

针对神经网络集成中个体独立训练的低效性，提出一种神经网络集成的免疫学习算法NEIL，通过对集成单体神经网络的免疫优化，借助免疫算法的多峰值搜索和并行优化特性，将最终的收敛抗体群分别对应神经网络集成的各个单体，实现集成的同时训练过程，仿真结果表明NEIL算法是有效的，既保持了启发式优化方法的并行性，提高了神经网络集成的学习效率，又可保证单体网络之间相互独立，具有较大的差异度，进一步增强神经网络集成的泛化性能。     

神经网络算法在智能体IDS系统中的应用

结合网络入侵和主机入侵方面的检测能力,构建了基于智能体的分布式入侵检测系统的体系结构模型。重点讨论了神经网络入侵检测算法。针对传统的BP网络在入侵检测应用中学习收敛时间和性能上的不足,提出了变速度回归神经网络(采用了批处理技术和动量方法)检测算法,通过对网络数据集的测试表明,该算法较传统BP网络,其学习训练次数大大降低,学习能力显著提高。     

RBF神经网络的混合学习算法

针对RBF神经网络的最近邻聚类学习算法存在的学习精度不理想和固定网络结构的梯度下降训练学习算法存在的中心不易确定、训练时间长等问题,提出一种基于最近邻聚类中心选取和梯度下降训练的RBF神经网络混合学习算法,解决了RBF网络径向基函数的中心取值问题,提高了网络的学习精度和训练速度.将该算法应用于非线性系统的在线辨识与二维函数的逼近,仿真实验结果证明了该方法的有效性.     

基于MCPSO算法的BP神经网络训练

基于多群体协同进化粒子群算法,提出一种用于BP神经网络训练的新型学习算法.将网络中需要调整权值与偏差组成的矢量看成MCPSO算法中粒子,通过粒子间的竞争与合作,完成网络训练过程.将基于 MCPSO训练的BP网络分别应用于函数逼近和模式分类问题.结果表明,基于MCPSO的神经网络学习算法在收敛速度和学习效率等方面优于其他方法.     

基于模糊ARTMAP神经网络的车牌识别

车牌识别是一种车辆自动识别技术。本文提出了一种用模糊ARTMAP神经网络来识别车牌的方法。模糊ARTMAP神经网络是神经网络家族中的一种比较新的体系结构，与传统的BP算法相比，它具有较强的学习能力。     

基于FCM的分布式学习方法

在大规模网络入侵检测应用中,针对模块化神经网络算法学习精度高但效率相对较低的特点,采用SOM算法作为基本学习方法并利用其神经元竞争特性,引入模糊聚类FCM对SOM输出权值进行融合学习分类,在保持SOM高精度的基础上,大幅减少了学习时间。最后采用入侵检测数据集KDDCUP99进行测试,结果验证了算法的高检测率和较好的效率。     

Design of AB2 in Galois Fields Based on Multiple-Valued Logic

A new AB~2 operation in Galois Field GF(2~4)is presented and its systolic realization based on multiple-valued logic(MVL)is proposed.The systolic structure of the operation employs multiple-valued current mode(MVCM)by using dynamic source-coupled logic(SCL)to reduce the transistor and wire counts,and the initial delay.The performance is evaluated by HSPICE simulation with 0.18μm CMOS technology.A comparison is conducted between our proposed implementation and those reported in the literature.The transistor counts,the wire counts and the initial delay in our MVL design show savings of about 23%,45%,and72%,in comparison with the corresponding binary CMOS implementation.The systolic architecture proposed is simple,regular,and modular,well suited for very large scale integration(VLSI)implementation.The combination of MVCM circuits and relevant algorithms based on MVL seems to be a potential solution for high performance arithmetic operations in GF(2~k).     

浅论建筑模数与模数协调

本文对现代建筑模数从形成、发展到成熟的历史进行了比较简明的论述,对模数数列的理论作了较全面的分析,对我国现行模数数列的一些问题进行了讨论,并对模数协调中的网格设计作了介绍,提出了不同的定位方法,应用于不同的构件组合状况,最后对建筑模数作了展望。     

动漫设计与制作专业模块化教学课程体系构建模式的探索与实践

模块化教学模式被认为是较为适合当前我国高职教育培养目标的一种教学模式,而其课程体系的构建又是进行模块化教学的核心基础。本文结合动漫设计与制作专业实施模块化教学的实践,对相同或相似专业模块化教学所需要的课程体系构建的原则、课程设置模式和课程内容整合等方面进行探讨。     

基于融合特征网和模块网的低频行为挖掘方法

针对流程挖掘过程中忽略低频行为的问题,提出一种基于融合特征网和模块网挖掘低频行为的方法.首先,通过处理有效的事件日志确定通讯行为轮廓关系,并根据日志将特征分为不同模块,重构事件内部行为,挖掘相应的模块网与特征网; 然后,融合特征网与模块网得出完整的流程模型,并通过迭代扩展初始模式得出所有低频模式.实例分析证明,本文提出的方法具有一定的可行性.     

基于GPU平台的模乘算法实现

利用图形处理器（GPU）硬件平台进行ECC（椭圆曲线密码体制）的有关计算及其相关攻击是一个较新的研究课题,其基础在于如何应用GPU硬件平台实现大整数模乘运算。文章针对NIST提出的素域F2192-264-1,基于GPU硬件的CUDA（计算统一设备架构）计算平台提出了实现该素域模乘算法的并行方法,详细说明了该方法在GPU上的数据组织结构和执行效率。实验数据表明,基于GPU硬件平台的模乘算法的速度约是用Mircal包计算该素域模乘的1 200倍,约是用GMP包的110倍。     

一种余数系统基扩展算法及VLSI实现

基扩展是余数系统(RNS)在数字信号处理(DSP)系统中应用的关键问题之一。该文提出了一种新型基扩展算法,实现基为{2n-1,2n,2n+1}的余数系统到基为{22n-1,22n,22n+1}的余数系统的动态范围扩展。给出其VLSI实现结构,并基于{2n-1,2n,2n+1}的特性对该结构进行了优化,使该实现结构仅由普通二进制加法器和模加法器构成。基于单位门模型和ASIC的性能对比分析结果表明,在实现相同动态范围扩展时,该算法具有良好的VLSI实现性能。     

微型计算机在通讯网管理系统中的应用

本文首先分析了北京供电局通讯网管理的数据流程,提出了系统的总体设计思想,并给出了利用微机实现的各模块的功能,最后简述了本系统的特点及实现中的关键技术。     

Functional modular organization unfolded by chimera-like dynamics in a large-scale brain network model

The brain is organized as a complex network architecture, which can be mapped into structural (SC) and functional connectivity (FC) by advanced neuroimaging techniques. Achievements in brain network research have revealed that modularity is a universal trait in brain networks and may be vital for cognitive segregation and integration. Large-scale brain network modeling is a promising computational approach to combine neuroimaging data with generative rules for brain dynamics. Recently, it has been proposed that chimera states, a type of dynamics referring to the coexistence of coherent and incoherent participants, have traits in common with cognitive functions like segregated and integrated brain processing. Previous studies have reported the existence of chimera-like dynamics in large-scale brain network models, whereas they did not account for the relationship between chimera-like dynamics and corresponding functional modular organizations of the brain network. By specifying qualitatively different network dynamics in an anatomically-constrained brain network model, we compare the different modular organizations of FC unfolded by network dynamics. Our simulations reveal that chimera-like dynamics support a meaningful pattern of functional modular organization, which promotes a diversity of node roles with a distributed pattern of functional cartography. The distinct node roles in modular FC are also found to occur with a spatial preference in specific brain regions, and, to some extent, reflect the underlying structure constraints. Our results support the view that chimera-like dynamics is a functionally meaningful scenario that may play a fundamental role in the segregation and integration of brain functioning.

     

高效2n并行快速FIR算法及其实现方法

快速有限脉冲响应(FIR)算法(FFA)突破了传统并行FIR滤波器复杂度随并行度线性增加的局限性，效率大幅提高。然而目前缺少对高并行FFA通用算法和实现架构的研究。该文提出了高效2n并行FFA，并给出了其通用算法形式与实现架构；同时讨论了对于非2n并行FFA的实现架构。通过算法分析和硬件效率评估，本文算法及其实现架构在相同的并行度和性能条件下，比传统并行算法有显著改善，且随着并行度的增加，这种优势更加明显。该算法在高并行FIR滤波器的应用中有很大优势。