新书点评

书名：开发安全可靠的ASP．NET3．5应用程序——涵盖C#和VB．NET 《开发安全可靠的ASP．NET3．5应用程序——涵盖C#和VB．NET》全面介绍了ASP．NET2．0和ASP．NET3．5安全主题,浓墨重彩地介绍了IS7．0的重要安全功能和新功能,详细讨论请求生命周期,透彻解释AJAX身份验证和授权,深入分析ASP．NET会话状态、成员资格及角色管理,为您使用C#或VB语言开发安全可靠的ASP．NET3．5网站奠定坚实基础。     

分布式信息监管体系

互联网作为一种传播媒体,其全球化．开放性．交互性和传播速度的优势是以往的任何传统媒体无法比拟的。互联网中也到处充斥着安全隐患和信息隐患,不良信息．垃圾邮件．病毒肆意传播．严重影响了互联网健康有序的发展,对互联网的信息管理．传播途径的畅通带来了风险和威胁。     

Asp．net中的成员和角色管理

本文主要对Asp．net3．5中的成员和角色管理进行了探讨,首先介绍了成员和角色管理的内涵,接着对身份认证和授权进行了介绍,最后详细介绍了Asp．ne3．5中的相关控件和使用方法。     

几种无线标准的比较

概述 本文比较了电气电子工程师协会（IEEE）中已经发布了的几种无线标准。它主要从物理层上,解释了IEEE802．11,802．15.1,802．15．4和802．15．6无线标准之间的不同点和相同点。     

2009-2010年广东省重点建设项目投资分解

2009年．广东省全社会固定资产投资保持了增速逐月加快的良好态势．全年投资完成13353．15亿元,同比增长19．5％．增速超过上年同期3个百分点．超过年度计划增速3．5个百分点。投资运行总体形势好于预期,对拉动经济增长和推进结构调整起到了重要作用。2010年1月19日．广东省政府召开全省经济和信息化工作会议．总结2009年经济和信息化工作．     

汽车制造中的先进安全技术

对于中国的汽车行业来说,2008年是经历了大喜大悲的一年。年初,中国的汽车行业延续了2007年高增长的神话,2008年1季度,汽车销量增速高达21．4％。但从2008年2季度开始,月度销量增速显著回落,8月份则出现42个月以来的首次同比负增长,11月份销量更是同比下滑14．6％。中汽协报告显示,2008年全年汽车产销934．51万辆和938．05万辆,同比增长5．21％和6．70％,增速分别同比回落16．81％和15．14％。乘用车产销673．77万辆和675．56万辆,同比增长5．59％和7．27％,分别比上年同期回落16．35％和14．41％;商用车产销260．74万辆和262．49万辆,同比增长4．24％和5．25％,分别同比回落17．97％和17．00％。这组数据非常清楚的告诉我们,由金融危机对汽车行业造成的影响已经开始显现。     

月球车桅杆机构设计与分析

在分析国外月球车桅杆机构的基础上,研制出三自由度桅杆机构．建立了桅杆机构的动力学模型．对桅杆机构运动学和动力学进行了分析,给出了桅杆机构的运动学和动力学方程．对动力学方程进行求解,得到了关节力矩曲线．     

提高矩阵变换器电压传输比的新型调制策略

电压传输比一直是制约矩阵变换器工业化的一个关键因素．目前还没有具体的调制策略使电压传输比突破0．866．本文提出了一种调制策略,可以使电压传输比超过0．866,最大达到0．955．首先把矩阵变换器的变换过程虚拟为整流和逆变两个环节．整流阶段,采用输入电流空间矢量调制;逆变阶段,采用输出电压空间矢量过调制模式Ⅱ．接着消除中间直流环节,得到直接的交-交变换器．着重对逆变阶段进行了分析,给出了具体的控制算法,并推导出电压传输比的公式．最后进行了实验．结果表明:这种调制策略可以有效地提高电压传输比,具有一定的理论研究价值和应用前景,但增加了谐波,必须采取滤波措施．     

基于角色的访问控制在ASP．NET200中的应用研究

安全是影响Web发展的重要方面,访问控制和授权是Web安全的核心问题。介绍了基于角色的访问控制（RBAC）模型,研究了RBAC在ASP．NET2．0中的应用,探讨了ASP．NET2．0中的身份认证、用户和角色管理、RBAC模型的实现等问题,实现了基本的基于角色的访问控制模型并讨论了ASP．NET2．0中的RBAC模型的扩展。     

在数据集中模式下提高银行网络系统安全性

国内商业银行依托计算机和网络通讯技术．实现了数据集中．完成了综合业务处理和管理决策一体化建设。在银行数据集中实现资源共享．为客户提供了更便捷．更灵活,更丰富的金融理财服务的同时．也带来了风险的集中。因此．建立全方位、多层次．有针对性的计算机网络安全系统就成为目前迫切需要解决的一个至关重要的问题。     

神经网络集成

神经网络集成通过训练多个神经网络并将成结论进行合成，可以显著地提高学习系统的泛化能力。它不仅有助于科学家对机器学习和神经的深入研究，还有助于普通工程技术人员利用神经网络技术来解决真实世界中的问题。因此，它被视为一种广阔应用前景的工程化神经计算技术，已经成为机器学习和神经计算领域的研究热点。该文从实现方法、理论分析和应用成果等三个方面综述了神经网络集成的国际研究现状，并对该领域值得进一步研究的一些问题进行了讨论。     

Fusion of learning automata theory and granular inference systems: ANLAGIS. Applications to pattern recognition and machine learning

In this paper the fusion of artificial neural networks, granular computing and learning automata theory is proposed and we present as a final result ANLAGIS, an adaptive neuron-like network based on learning automata and granular inference systems. ANLAGIS can be applied to both pattern recognition and learning control problems. Another interesting contribution of this paper is the distinction between pre-synaptic and post-synaptic learning in artificial neural networks. To illustrate the capabilities of ANLAGIS some experiments on knowledge discovery in data mining and machine learning are presented. The main, novel contribution of ANLAGIS is the incorporation of Learning Automata Theory within its structure; the paper includes also a novel learning scheme for stochastic learning automata.     

基于脉冲神经网络与移动GPU计算的图像分类算法研究与实现

计算机视觉旨在通过计算机模拟人的视觉系统,让计算机学会"看",是人工智能、神经科学研究的一个热点。作为计算机视觉的经典任务,图像分类吸引了越来越多的研究,尤其是基于神经网络的算法在各种分类任务上表现优异。然而,传统浅层人工神经网络特征学习能力不强、生物可解释性不足,而深层神经网络存在过拟合、高功耗的缺点,因此在低功耗环境下具有生物可解释性的图像分类算法研究仍然是一个具有挑战性的任务。为了解决上述问题,结合脉冲神经网络,设计并实现了一种基于Jetson TK1和脉冲神经网络的图像分类算法。研究的主要创新点有:(1)设计了深度脉冲卷积神经网络算法,用于图像分类;(2)实现了基于CUDA改进的脉冲神经网络模型,并部署在Jetson TK1开发环境上。     

计算智能方法及应用研究

介绍了4种计算智能方法,即神经网络、模糊计算、遗传算法和免疫算法,通过总结和比较各智能算法的优缺点及其在各个领域的应用,给出了计算智能存在的主要问题及发展趋势。设计了脱机手写签名识别软件,提取签名图像的骨架特征和边角特征,并利用BP神经网络方法有效地识别真、假签名。     

基于单纯形优化学习算法的前向神经网络电机模型辨识

研究了基于单纯形优化学习算法的前向神经网络，并将其用于无刷直流电动机数学模形的动态辨识，在实现全局最小和改善学习性能方面获良好效果。     

神经网络非梯度优化方法研究进展

神经网络优化是机器学习领域的一个基础性前沿课题。相较于神经网络的纯梯度优化算法,非梯度算法在解决收敛速度慢、易陷入局部最优、无法解决不可微等问题上表现出更大的优势。在剖析基于梯度的神经网络方法优缺点的基础上,重点对部分非梯度优化方法进行了综述,包括前馈神经网络优化和随机搜索优化;从基本理论、训练神经网络的步骤以及收敛性等方面对非梯度优化方法的优缺点和应用情况进行了分析;总结了基于非梯度的训练神经网络的算法在理论和应用方面面临的挑战并且展望了未来的发展方向。     

量子神经元结构设计及其应用

在量子理论的框架内，解释了神经元的信息处理机制，提出了量子神经元．该神经元对信息的处理分为两阶段．第1阶段为宏观信息收集部分，产生控制量子比特；第2阶段为微观信息处理部分，根据控制量子比特，改变神经元的状态．整个过程模拟量子受控非门．采用人工和实际数据集，作为分类研究对象。对比传统的神经元网络，量子神经元网络显示出较好的分类效果．以丙烯腈反应器作为建模研究对象，该网络显示出较强的泛化能力．     

粒计算模糊增殖神经场的研究与分析

针对现有人工神经网络学习新知识会破坏已获得知识的问题,根据生物智能扩展的思想,提出一种粒计算模糊增殖神经场学习方法,将粒计算商空间理论和人工神经场理论有机结合,并引入自治神经网络中,采用分治方法和嵌入机理,把大任务分成小任务,实现知识积累、继承和不断完善。实验结果证明了该方法的合理性和可行性。     

人工神经网络模型发展及应用综述

人工神经网络与其他学科领域联系日益紧密,人们通过对人工神经网络层结构的探索和改进来解决各个领域的问题。根据人工神经网络相关文献进行分析,综述了人工神经网络算法以及网络模型结构的发展史,根据神经网络的发展介绍了人工神经网络相关概念,其中主要涉及到多层感知器、反向传播神经网络、卷积神经网络以及递归神经网络,描述了卷积神经网络发展当中出现的部分卷积神经网络模型和递归神经网络中常用的相关网络结构,分别综述了各个人工神经网络算法在相关领域的应用情况,总结了人工神经网络的未来发展方向。     

基于粗糙集理论和BP神经网络的数据挖掘算法

根据数据挖掘中粗糙集理论和BP神经网络各自的优势和存在的问题,提出了一种将粗糙集理论和BP神经网络理论结合在一起的算法。该算法利用粗糙集对属性的归约功能将数据仓库中的数据进行归约,并将归约后的数据作为训练数据提供给BP神经网络。通过粗糙集归约,提高了训练数据表达的清晰度,也减小了BP神经网络的规模,同时利用BP神经网络又克服了粗糙集对噪声数据敏感的影响。文中提出了代价函数,解决了训练数据与网络精度的问题,也提供了由粗糙集归约向BP神经网络训练转变的依据。