一种支持大规模数据逻辑函数优化的改进选拔算法

选拔算法是两级逻辑综合中求解最小化覆盖的经典方法之一,但在输出变量集合和质立方体集合规模较大的情况下,采用选拔法求最小化覆盖存在空间复杂度高、求解时间长等问题。为此,提出了求解多输出函数最小化覆盖的改进选拔算法。利用相交迭代和局部搜索的思想,分别对选拔法的极值运算和分支处理进行了改进。实验结果表明,在现有计算机资源条件下,该算法为大规模数据条件下逻辑函数的优化提供了一种有效的方法。     

用关键特征集对逻辑进行优化

提出了一个两级逻辑优化的新算法，与通过函数质蕴涵集求解覆盖的传统算法不同，文中将求解逻辑函数的质蕴涵项与推导覆盖问题相结合，直接得出覆盖问题的解。算法的主要问题可以简化为：对于立方描述的单元，求解最小覆盖，在这个过程中又提出了一种改进的覆盖吸收算法，基于关键特征集合的选拔吸收算法，此算法不用求所有的立方，通过标准的测试例子与原来的Espresso算法作比较，对于大电路，在计算时间上，新算法有明显的改进。     

大变量逻辑函数求补的递归实现

逻辑函数数求补是大变量逻辑优化的算法基础，采用二叉树结构，用C语言实现了大变量逻辑函数求补递归算法。详述了求补二叉树的结构和形成过程，以及在求补二叉树上补集的收集方法。     

基于可观测性无关项的快速逻辑优化实现策略

在对可观测性无关项相关问题进行研究的基础上，通过计算逻辑网络中门的可观测无关项，得到最大允许函数集，依此来消除网络中冗余门，进行逻辑设计优化。同时对已有算法做了一定改进，给出了SANDTNT算法，以适用大输入和输出变量逻辑网络的优化。     

支持大规模变量集的最小覆盖迭代搜索算法

两级逻辑综合中的多输出逻辑电路最小覆盖的求解是一个NP难解问题,在输出变量集合和质蕴含项集合规模较大的情况下,会出现空间需求过大、处理时间太长等问题,影响多输出最小覆盖求解的可行性．在精选法的基础上,提出一种多输出最小覆盖迭代求解算法．将一次性求解最小覆盖的模式转换为多次迭代逼近最优解的过程,使得在有限的时间和空间范围内获得尽可能优化的最小覆盖结果．同时,对影响算法复杂度的单输出到多输出函数的阵列合并、极值的选择这2个主要环节进行了改进,大幅度降低了多输出最小覆盖求解算法的时间和空间复杂度．     

适于大数目输入变量的逻辑综合启发式算法

本文给出了适用于大数目输入变量的逻辑综合启发式算法。该方法采用自顶向下的逼近，通过包含的文字产生蕴涵项，包含文字的选择是基于启发式方法，根据文字发生的频率进行的。这个算法已经通过标准benchmarks例题和随机产生的大数目输入变量问题的测试。实验证明该方法是有效的，特别对大数目输入变量的函数，具有较好的综合效果。     

逻辑函数的双逻辑综合与优化

针对传统布尔逻辑在电路面积优化中存在的不足,提出了一种用传统布尔逻辑和Reed-Muller(RM)逻辑相结合的双逻辑优化算法.通过将原逻辑函数的乘积项转化为不相交乘积项,并利用不相交乘积项的位操作,将逻辑函数的覆盖分成2个部分,使之分别适合布尔逻辑综合和RM逻辑综合;同时提出了适合双逻辑函数的逻辑功能验证方法.双逻辑优化算法用C语言编程实现并用MCNC标准电路进行测试.实验结果表明,与单一的布尔逻辑综合结果相比,在绝大多数情况下文中算法可使电路面积获得进一步优化.     

积项集合的补集算法

在逻辑综合的领域内，经常使用求给定积项集合补集的过程。本文提出一个单边逻辑函数积项集合的求补算法，求补操作是通过选取函数矩阵的列覆盖进行的。与传统求补算法相比，该算法大大节省了计算机时间和内存空间。     

基于粒计算的逻辑函数快速粒约简算法

逻辑函数是描述数字电路中输入变量与输出变量之间逻辑因果关系的重要工具,研究逻辑函数的约简具有重要的理论和实际意义.针对计算机化简逻辑函数普遍存在的算法复杂度高、运算速度慢的问题,将粒计算思想与启发式搜索相结合来约简逻辑函数.首先将逻辑函数转化为最小项之和的表达形式,按照粒度由粗到细的次序,在不同粒度下的知识空间中利用吸收律和最小项之间的统计信息求取信息粒,当所有信息粒对应的最小项覆盖论域时,算法结束.算法由MATLAB编程实现.通过计算实例和算法复杂度分析证明了算法的快速性和有效性.     

逻辑结点函数的优化覆盖*

本文提出多级组合逻辑结构中逻辑结点函数的优化覆盖算法，证明了该算法在多级逻辑优化过程中的有效性．     

基于LVQ神经网络的改进覆盖算法

覆盖算法是一种具有高分类准确度和强泛化能力的构造性神经网络分类算法。针对其选择覆盖中心的随意性,结合竞争性神经网络方法对覆盖算法进行改进,在覆盖学习之前进行预学习,选择最佳覆盖球形中心,来优化覆盖。通过标准UCI测试数据实验的比较,从分类的准确性和覆盖个数方面进行对比,得到改进的覆盖算法有很好的效果。     

部分四值逻辑中Sheffer函数的判定

多值逻辑是指一切逻辑值的取值数大于2的逻辑。Sheffer函数的判定问题是多值逻辑完备性理论中的一个重要问题,此问题的解决依赖于定出多值逻辑函数集中所有准完备集的最小覆盖。在深入研究部分四值逻辑中Sheffer函数的基础上,根据部分四值逻辑中准完备集的最小覆盖,给出了一个部分四值逻辑中Sheffer函数的判定算法。此算法能够判定任意一个函数是不是部分四值逻辑中的Sheffer函数。     

部分二值逻辑中Sheffer函数的构造与判定算法

在深入研究部分二值逻辑中Sheffer函数的基础上,根据部分二值逻辑中准完备集的最小覆盖,提出了一种高效地构造部分二值逻辑中Sheffer函数的算法,此算法能够构造出部分二值逻辑中的全部Sheffer函数,在构造算法的基础上,进一步提出了一种部分二值逻辑中Sheffer函数的判定算法,此算法和传统判定算法相比,避免了繁琐的计算,可以说是一种较简单的判定算法。     

一种多权值神经元覆盖网络的构造方法

仿生模式识别利用多权值神经元覆盖网络构造模式类的覆盖来进行相应事物的识别.但在构造多权值神经元覆盖网络的过程中,关于构造神经元个数的确定方法没有相关讨论,即需要使用多少个神经元才能完成对模式类的覆盖.较多的神经元在精确的对模式类进行覆盖同时,也增大了网络的复杂度.文中提出了一种多权值神经元覆盖网络的构造方法.在保持神经网络对模式类的覆盖能力的基础上采用尽量少的神经元,从而能有效的降低神经网络构造代价.最后,通过实验作者验证了算法的有效性.     

Fast computation of the prime implicants by exact direct-cover algorithm based on the new partial ordering operation rule

In this study, a novel OFF-set based direct-cover Exact Minimization Algorithm (EMA) is proposed for single-output Boolean functions represented in a sum-of-products form. To obtain the complete set of prime implicants covering the given Target Minterm (ON-minterm), the proposed method uses OFF-cubes (OFF-minterms) expanded by this Target Minterm. The amount of temporary results produced by this method does not exceed the size of the OFF-set. In order to achieve the goal of this study, which is to make faster computations, logic operations were used instead of the standard operations. Expansion OFF-cubes, commutative absorption operations and intersection operations are realized by logic operations for fast computation. The proposed minimization method is tested on several classes of benchmarks and then compared with the ESPRESSO algorithm. The results show that the proposed algorithm obtains more accurate and faster results than ESPRESSO does.     

多示例学习的示例层次覆盖算法

在多示例学习（Multi-instance learning,MIL）中,核心示例对于包类别的预测具有重要作用。若两个示例周围分布不同数量的同类示例,则这两个示例的代表程度不同。为了从包中选出最具有代表性的示例组成核心示例集,提高分类精度,本文提出多示例学习的示例层次覆盖算法（Multi-instance learning with instance_level covering algorithm,MILICA）。该算法首先利用最大Hausdorff距离和覆盖算法构建初始核心示例集,然后通过覆盖算法和反验证获得最终的核心示例集和各覆盖包含的示例数,最后使用相似函数将包转为单示例。在两类数据集和多类图像数据集上的实验证明,MILICA算法具有较好的分类性能。     

Function synthesis algorithm based on RTD-based three-variable universal logic gates

Compared with complementary metal–oxide semiconductor (CMOS), the resonant tunneling device (RTD) has better performances; it is the most promising candidate for next-generation integrated circuit devices. The universal logic gate is an important unit circuit because of its powerful logic function, but there are few function synthesis algorithms that can implement an n-variable logical function by RTD-based universal logic gates. In this paper, we propose a new concept, i.e., the truth value matrix. With it a novel disjunctive decomposition algorithm can be used to decompose an arbitrary n-variable logical function into three-variable subset functions. On this basis, a novel function synthesis algorithm is proposed, which can implement arbitrary n-variable logical functions by RTD-based universal threshold logic gates (UTLGs), RTD-based three-variable XOR gates (XOR3s), and RTD-based three-variable universal logic gate (ULG3s). When this proposed function synthesis algorithm is used to implement an n-variable logical function, if the function is a directly disjunctive decomposition one, the circuit structure will be very simple, and if the function is a non-directly disjunctive decomposition one, the circuit structure will be simpler than when using only UTLGs or ULG3s. The proposed function synthesis algorithm is straightforward to program, and with this algorithm it is convenient to implement an arbitrary n-variable logical function by RTD-based universal logic gates.     

基于改进的卷积神经网络的道路井盖缺陷检测研究

道路井盖缺陷检测对于道路维护与安全至关重要,论文提出了一种改进的卷积神经网络算法,可实现井盖缺陷的快速、准确检测。算法对卷积神经网络的激活函数模型进行了改进,针对Relu激活函数在输入小于零时输出设为零,导致部分缺陷信息丢失问题,设计了MReLu和BReLu两种改进激活函数。在此基础上,为了增强神经网络模型的特征表达能力,提出了双层激活函数模型。最后,在公共数据集MNIST,CIFAR-10上进行了比较实验,网络主要参数有批处理大小(batch size)为32,最大迭代次数为1000次,学习率为0.0001,每经过5000次迭代衰减50%。实验结果表明,基于改进后的激活函数和应用双层激活函数所构造的卷积神经网络,大大减少了训练参数,不仅收敛速度更快,而且可以更加有效地提高分类的准确率。