网格计算中基于信任机制的层次任务调度模型

提出了一种分布式层次任务调度模型,该模型将任务调度分两层进行,并且将信任机制引入其中以提高网格的服务质量及运行效率。提出了适应该模型的调度算法,算法同时考虑了网格实体间的信任关系、预测执行时间、QoS需求和价格因素,并动态调整它们在交易中所占的比重,从而较好地适应不同用户的需求。分析和仿真表明,该调度模型增强了网格环境的安全性和适用性,提高了执行效率,并降低了交易失败率。     

基于AlexNet2_att模型的视神经炎分类

视神经炎(optic neuritis)是一种眼部神经疾病, 会造成儿童和成人的急性视神经损伤, 严重时会有致盲的风险. 因此, 视神经炎早期发现和诊断, 对患者的恢复有着巨大的帮助. 基于视神经炎视网膜图像病变特征不明显, 人工诊断分类困难且准确率不高等问题, 本文设计了一种改进的混合注意力机制CS-CBAM模块, 并将CS-CBAM模块融合到改进的AlexNet网络, 形成一个具有更深层次的AlexNet2_att视神经炎分类模型, 从而实现视神经炎图像的自动分类. 首先, 对数据集中的视网膜图像进行图像尺寸调整, 去除图像冗余信息, 直方图均衡化和数据增强等预处理操作; 然后, 在AlexNet网络的基础上, 引入批归一化层以提高训练速度, 之后, 在改进后的AlexNet网络中融入我们所提出的混合注意力机制CS-CBAM, 形成AlexNet2_att模型; 最后, 使用来自大连市第三人民医院的临床数据对本文模型进行性能评估, 实验结果表明, 该模型的分类准确率可达99.19%. 实验结果证明本文模型具有良好的实用性和鲁棒性, 有很高的实用价值, 可以辅助医生进行视神经炎分类与诊断.     

改进视皮层视觉机制的视觉注意力模型

人类的视觉注意机制是人类大脑感知事物的最直接的功能。提出了一种基于视皮层视觉机制的生物激励注意模型。利用HMAX(hierarchical maximization)模型的四层机制中的C1细胞单元图,构造独立成分分析(independent component analysis,ICA)滤波器组,进一步利用对尺度、平移等均具有不变性的C2细胞特征,以及香农熵理论,共同构造用于视觉显著性区域检测的测度。在心理学实验的自然场景图像以及心理学刺激模式上的结果表明,该方法与传统方法相比,更符合人眼的感知特性,从而进一步验证了该方法的有效性和准确性。     

图书馆计算视网络故障诊断策略

网络故障涉及的原因很多，查找故障原因的思路尤为重要。从网络故障的原因分析开始，到网络故障现象的识别诊断过程、实用诊断工具的介绍，为读者提供了面对图书馆网络故障时的一般诊断及解决策略。     

基于结构学习和迭代自映射的自联想记忆模型

传统的人工神经元网络连接结构是固定的,是对权值的学习.提出一种基于生理神经元特征的人工神经元模型,并在以此为单元构成的用于实现自联想记忆的神经网络上进行对结构的学习.学习算法以设定神经元的输入/输出感受野、调整突触和轴突末梢的连接、并行的自投影迭代为特征.给出了此网络模型的矩阵描述和实验结果.     

基于网格计算的QoS模型的研究

随着网格技术和应用的不断深入，对网格提出了严格的服务质量（quality of service，简称QoS）要求，网格计算中的QoS成为研究应用的焦点．缺乏QoS保证逐渐成为制约网格应用的瓶颈之一。论文对网格计算的质量服务进行了研究，描述了网格QoS定义，网格QoS需求和网格QoS的层次模型。同时也介绍了当前研究思路度以后的发展趋势。     

分布式仿真系统层次设计商空间粒计算模型

大规模分布式交互仿真系统的开发与应用对仿真系统设计提出了更高的要求. 本文针对分布式仿真系统设计中存在的设计层次不明确的问题, 提出了基于商空间粒计算理论的系统分层模型, 该模型包括系统总体设计层、系统体系结构设计层和系统执行结构设计层, 解决了系统设计的层次问题. 在此基础上, 对各个层次的纵向和横向信息粒之间的关系进行了深入的分析, 并综合考虑了仿真任务、仿真资源和仿真服务的影响. 最后根据一个实际的仿真系统设计实例对模型进行了验证, 结果表明, 利用分布式仿真系统层次模型进行设计可以极大地提高系统的灵活性和可重用性.     

一个关于视知觉不变性的层次网络表示与计算模型

在人脑皮层的下颞叶区存在着规整的功能柱型结构群，它们对中等复杂的特征具有选择性响应，为模式识别的特征检测学说提供了一个有力的证据，并由于它们毗邻构成一个连续的特征空间映射，为知觉不变性找到了生理解释．本文从神经生理学角度出发，通过设计一个金字塔状的神经网络层次模型，构造一个近似于视皮层功能柱型结构的软件组件来对物体特征进行抽提，在由简单特征构成的特征空间基础上进行相对复杂特征的连续变换的不变性映射。     

基于有机计算的网格资源管理模型的研究

网格的复杂性日益增加,网格资源管理成为一项复杂的任务.有机计算能采取适当的措施使网格环境实现自我管理,隐蔽网格系统的复杂性.文中给出网格资源管理的层次式模型,该模型具有四层:本地资源层、全局资源层、本地服务层和用户层.并将该模型嵌入有机计算体系结构中,灵活使用有机计算中的观测器和控制器对网格中各种资源进行监测和控制.该基于有机计算的网格资源管理模型中的观测器和控制器除了具备原有的功能外,还结合网格资源动态、异构、分布等特点,添加了新的功能模块,以方便对网格资源进行管理.该模型有效地提高了资源分配效率,优化了网格资源管理的性能.     

一个基于BP网络的字符识别器

本文简单介绍了人工神经元网络的背景知识,提出了一种利用传统BP（Back-Propagation误差逆传播）网络识别印刷字符的方法,用C语言对其进行了实现．在进行了大量实验之后,实验结果表明该字符识别器具有较好的有效性和正确性,能够在合理的误差范围内以较好的效率成功识别字符．     

A Hierarchical Self-Organizing Map Model for Sequence Recognition

A novel neural model made up of two self-organizing maps nets – one on top of the other – is introduced and analysed experimentally. The model makes effective use of context information, and that enables it to perform sequence classification and discrimination efficiently. It was successfully applied to real sequences, taken from the third voice of the sixteenth four-part fugue in G minor of the Well-Tempered Clavier (vol. I) of J.S. Bach. The model has an application in domains which require pattern recognition, or more specifically, which demand the recognition of either a set of sequences of vectors in time or sub-sequences into a unique and large sequence of vectors in time.     

A Neural Control System of a Two Joints Robot for Visual Conferencing

This paper presents a real time interactive conferencing system that allows people to communicate via animated images. The employed distant cameras act as a remote vision system. The cameras simulate the movement of an observer and return images covering the surrounding view of the pictured person. This paper also describes the neuro-command system that controls a robot with two joints (degrees of freedom) that carries the used camera. This neural system translates the head movements. A methodology from image processing has been adopted for the classification, and facilitation of the phase of neural network learning process.     

一种基于视皮层神经元模型的彩色图像签名算法

针对彩色图像签名问题进行了研究,基于哺乳动物视皮层神经元工作原理,提出了一种三通道脉冲发放皮层模型TSCM(Triple-Channel Spiking Cortical Model),实现了对彩色图像不变性特征的有效提取。TSCM模型不但具有常规脉冲耦合神经网络签名算法的平移、旋转、缩放不变性,而且算法更加简洁高效,对于噪声影响具有更强的鲁棒性。实验仿真结果验证了该算法的有效性。     

基于内容的可移植图像识别系统研究

介绍了一种基于C／C＋＋编程语言的图像识别系统,该系统通过直接对图像内容进行识别获取图像的完整信息。首先,对输入图像进行预处理,标准化图像内容;其次,输入训练图像集训练BP神经网络,使神经网络获得图像的各种特征;最后,使用测试图像集测试该系统的识别效果。实验表明,该系统具有较好的识别能力和较强的可移植性,是对图像进行识别的一种有效手段。     

脑启发的视觉目标识别模型研究与展望

视觉目标识别是计算机视觉领域中最基本、最具有挑战性的研究课题之一.由于灵长类出色的视觉目标识别能力,对其神经功能机理的研究可能为类脑视觉带来革命性的突破.旨在系统地回顾最近在计算神经科学和计算机视觉交叉领域的工作,研究当前基于脑启发的目标识别模型及其依据的视觉神经机制.从认知功能和皮层动力学方面总结了灵长类视觉目标识别...     

俄罗斯方块的Hamming神经网络模型

人工智能技术在游戏的应用非常广泛。提出一种基于Hamming神经网络的俄罗斯方块游戏模型,该模型首先利用局势图不同位置上的方块构成一个模式矩阵,将下落的方块视为待匹配的模式,在Hamming网络的前馈层进行模式匹配,计算出模式间Hamming距离,在递归层进行迭代寻优,得到方块的最佳位置与姿态。在MATLAB上实现了该模型及其游戏,能够自动堆积俄罗斯方块。与已有的评估函数及算法相比,该模型更具有一般性,可为其他类型游戏的建模提供参考。     

基于神经网络的语音识别技术研究

对BP神经网络在特定人语音识别技术中的应用进行了探索性的研究，进而对非特定人语音识别做了一定的实验和研究。通过对比分析了传统的语音识别方法——模板匹配法和人工神经网络语音识别方法的优缺点。神经网络可以得到较高的识别准确度，但是训练速度慢是它的弱点，因此，针对经典的BP算法训练速度慢的缺点，对BP网络加以改进，提高网络训练速度，通过改进使神经网络用于语音识别的各种优越性充分发挥。     

基于单输出型神经网络的血细胞分类研究

分别利用BP神经网络与单输出型神经网络对已经得到的血细胞特征参数进行计算,设计出分类器对血细胞进行自动分类识别。单输出型神经网络分类器与BP神经网络分类器相比,具有设计简单、收敛速度快、识别精度高且更加稳健的优点,取得了较好的应用效果。