基于J2EE平台的分布式系统的安全性机制

随着互联网的发展，分布式系统在各部门中得到了广泛的部署和应用，但其自身安全和信息安全保障也成为发展中面临的关键问题.本文介绍了基于J2EE平台的分布式系统的安全性机制，并通过一个应用实例介绍了它的实现要点。     

智能机器人避碰行为学习方法研究

该文采用了两种学习方法,即遗传算法和强化学习实现了智能机器人的避碰行为学习。在介绍了两种学习机制后,给出了仿真实验结果,并对两种学习方法的异同进行了分析。     

自组织映射神经网络量化机器人强化学习方法研究

强化学习一词来自于行为心理学，这门学科把行为学习看成反复试验的过程，从而把环境状态映射成相应的动作。在设计智能机器人过程中，如何来实现行为主义的思想，在与环境的交互中学习行为动作？文中把机器人在未知环境中为躲避障碍所采取的动作看作一种行为，采用强化学习方法来实现智能机器人避碰行为学习。为了提高机器人学习速度，在机器人局部路径规划中的状态空量化就显得十分重要。本文采用自组织映射网络的方法来进行空间的量化。由于自组织映射网络本身所具有的自组织特性，使得它在进行空间量化时就能够较好地解决适应性灵活性问题，本文在对状态空间进行自组织量化的基础方法上，采用强化学习。解决了机器人避碰行为的学习问题，取得了满意的学习结果。     

神经网络在智能机器人导航系统中的应用研究

智能机器人在未知环境听 导航系统主要涉及3个主要方面：（1）对环境的感知；（2）局部路径规划；（3）全局路径规划，文章综述了神经网络技术在这些领域中的应用，探讨了在神经网络技术中引入学习机制的方法。     

强化学习中资格迹的作用

强化学习一词来自行为心理学，该学科把学习看作反复试验的过程，强化学习系统中的资格迹用来解决时间信度分配问题，文章介绍了资格迹的基本原理和实现方法。     

基于融合能量代价函数的水声信号识别算法

提出了融合能量代价函数的概念及基于代价函数的小波包能量法，并将其应用于水声信号的识别。新算法以融合能量代价函数为标准，在整个小波库中构造最优小波包基，从小波包基上提取信号最有价值的特征值。由于从分类最佳的角度选择特征，所以与固定尺度小波包能量法相比，算法对分类特征模糊的信号有较好的识别效果。     

一种水声信号识别算法及仿真

应用小波包技术，提出了融合能量代价函数的概念及基于此函数的水声信号识别算法。算法以融合能量代价函数为标准，在整个小波库中确定特征空间及特征值。在MATLAB仿真环境下进行的BP神经网络实验显示：与固定尺度小波包能量法及最大距离小波包能量法相比，算法对特征模糊的信号有较好的识别效果。     

USB2.0中管道与数据传输类型详解

通用串行总线（USB－Universal Serial Bus)2.0规范的数据流模型主要阐述数据在USB总线上传输的机理。管道（Pipe)代表数据缓冲区与端点之间传输数据的能力。USB支持控制传输、同步传输、块传输、中断传输四种数据传输类型。详细了解每一种传输类型的特性对于正确地使用USB总线是非常必要的。     

多用户下的ACCESS子模式及视图机制

文章在Access2000中实现了限制有关用户只能使用子模式对数据表的访问，增加了数据库的安全系数，弥补了Access2000安全上的不足。     

非线性小波去噪技术在水声信号识别中的应用

应用非线性小波去噪技术对小波包能量法进行改进,提出了一种新的方法———去噪小波包能量法。该算法对信号小波去噪后,再用小波包能量法提取信号的特征。文中研究了不同的小波去噪方法对水声信号分类识别率的影响,在实测信号样本集上用BP神经网络进行了识别实验。结果显示了算法的有效性。