基于知识的PCB设计数据审查

现有的电子辅助设计软件,侧重于设计功能,很少涉及到对设计结果的审查,更缺少时其可加工性的检验.目前对于PCB电路板设计的审核,还停留在以人工为主的阶段,存在主观性大,可靠性差,效率偏低的问题.因此,本文提出了一种基于知识的设计数据自动审查方法,解决了电子设计数据审查中知识的表示、知识库的建立、知识的获取和知识推理的问题.辅助设计人员快速审查出PCB电路设计中的错误.     

基于下一代互联网技术的信息网格技术探析

该文首先解释了信息网格的定义,然后与网格计算技术进行了比较,接着讨论了信息网格的发展趋势、关键技术、典型应用,再接着讨论了使用信息网格的注意事项,最后论述了应用信息网格技术的意义,对广大计算机爱好者学习信息网格具有重要的理论和实践指导意义。     

一种基于NAMPD的快速图像分割

非对称逆布局模式表示模型(Non-symmetry and Anti-packing pattern representation Model,NAM)借助布局问题的思想,使用一个子模式集合来表示原模式。基于NAM模型,提出了一种灰度图像表示方法,非对称逆布局平面分解模式表示模型(NAM-structrued Plane Decomposition,NAMPD)。在NAMPD中,每一个子模式都对应于图像中的一个矩形区域,该区域的亮度函数由一个斜面模型逼近。图像分割是图像分析中的一种关键方法。传统的图像分割算法大多是基于点阵表示的,运算效率不高。基于NAMPD,提出了一种快速图像分割算法。因为NAMPD将图像块而不是像素作为最小操作单位,所以基于NAMPD的图像处理操作效率更高。实验结果表明,基于NAMPD的图像分割算法的速度较之经典算法更快。     

话题发现与追踪技术研究

话题发现与追踪以新闻流为处理对象,采用基于事件的信息组织方式进行研究,一直是自然语言处理领域里的热点。该研究借鉴大量相关研究尤其是信息检索中的经典模型和方法,取得了很大成功。首先介绍了话题发现与追踪的主要研究内容、评价方法以及发展历史;然后对其多个研究内容提出一个统一研究框架,并对该框架中的关键技术进行了详细分析;最后指出该领域中的关键问题及难点,并对未来研究做出展望。     

VES：阴道炎症（vaginitis）辅助诊断专家系统设计与实现

阐述基于规则诊断推理技术的阴道炎症辅助专家系统的设计与实现。针对阴道炎症医疗诊断的特点,讨论该系统在建立过程采用的关键技术,描述系统的结构框架、知识表示、推理方法和实现技术。整合数据库技术,人工智能技术及阴道炎症医疗诊断技术,为实现阴道炎症智能诊断系统提供有价值的探讨。     

IT书吧

计算机程序设计艺术第3版(第一卷)作者:(美)DonaldE.Knuth编著定价:80.00元会员价:70.00元内容简介:本书是国内外业广泛关注的《计算机程序设计艺术》的第3卷。本卷首先介绍编程的基本概念和技术,然后详细讲解信息结构方面的内容,包括信息在计算机内部的表示方法、数据元素之间的结构关系等方面的初级应用。     

利用粒子群算法实现信号OMP稀疏分解

稀疏表示在信号处理的许多方面都有着重要的作用,但是其计算量巨大难以应用在实时信号处理上.本文使用粒子群优化算法实现基于正交匹配追踪算法(OMP)的信号稀疏分解,粒子群算法能有效寻找OMP分解每一步中的最优原子,OMP是对匹配追踪算法(MP)的改进,收敛效果更好.实验结果验证了此算法的有效性.     

SJ—3专家系统的开发技术

本文详细讨论了一个实用专家系统的开发技术,主要包括：ＦＬ知识表示法、定量化模型、知识库的组织与维护方法以及不确定推理方法．     

基于多源数据图表示学习的风电出力预测方法

高精度的风电出力预测技术是实现碳中和的关键技术之一,随着智能电网的逐步建设,风电出力预测系统逐步从分散模式趋向于集中模式,其表现为一个系统集成多个风电场站的数据和模型。传统预测方法无法较好地处理这种大数据融合场景,也无法较好表征多个风电场站之间的关系,因此,提出了基于多源数据图表示学习的风电出力预测方法。通过基于Stacking集成学习框架思想和图理论对多个风电场站形成的特征数据构建图数据,其中,图数据的节点为历史风电出力数据、基础方法预测值数据以及气象、位置等多源数据,边为多个风电场站之间的相关性,从而实现对多个场站数据的融合表征。最后搭建残差图卷积神经网络对所构建的图数据进行学习训练,并通过公开数据集验证了所提算法具有更好的结果。     

基于关系强度理论与反馈机制的信息传播动态网络表示

现有多数网络表示学习方法不能很好地贴合真实世界的信息传播网络,且无法对信息传播动态网络的时间特性与动力学演化特征进行有效建模。提出一种新的信息传播动态网络表示模型,基于关系强度将信息传播动态网络划分为关系网络与传播网络,并分别计算变化节点对的概率密度和邻接矩阵。通过更新节点注意力强度矩阵,聚合节点邻域变化信息,并融合节点邻域变化信息、自身历史信息以及外部影响因素,对信息传播动态网络进行归纳式表示学习。引入反馈机制,将最新的节点表示反馈到邻居节点,解决网络表示不及时的问题,提升网络表示性能。实验结果表明,与Know-Evolve、DyRep、LDG等模型相比,该模型的命中率和平均排名提升显著,与LDG模型相比,其时间效率在Social Evolution数据集和Github数据集上分别提升了91.8%、87.2%。