Mobile Agent技术在Internet中的应用

本文分析了Internet应用所面临的问题,讨论了Mobile Agent的概念和技术特点,论述了如何把Mobile Agent技术应用到Internet中,解决其存在的问题。最后,简单介绍了目前Mobile Agent技术的发展现状和研究趋势。     

视图插补与透视同伦变换

基于未标定图像序列实现任意视点插补,是目前视点插补技术研究中的热点.本文首次将同伦变换引入视点插补问题研究中,提出并证明了基于透视同伦变换的视图插补定理,并针对可忽略遮挡关系的简单场景给出了基于未标定图像序列的透视同伦变换.算法实现的关键在于对摄像机内外参数的估计,同时对实验结果作了详细分析,指出实验结果的优劣(算法实现瓶颈)在于对应关系的建立.     

统计遗传算法

本文讨论了遗传算法中框架定理的不足之处，并对之进行了改进，然后分析了遗传算法与Ａ算法的相似性，以及遗传算法的概率性质．由此联想到它与ＳＡ算法的相似性，在此基础上，作者将原先发展的一套ＳＡ算法的理论移植到遗传算法中来，建立一个新的算法，称之为统计遗传算法（简记为ＳＧＡ算法）．为适合于优化计算，作者引入最大值统计量及其对应的ＳＡ算法（简称为ＳＭＡ算法），并将ＳＭＡ算法与ＧＡ算法相结合（记为ＳＧＡ（ＭＡＸ）算法）．新的算法不仅提高了算法的精度和降低了计算的复杂性，而且能克服ＧＡ算法中出现“早熟”的现象以及提供进行并行计算的可能性．更主要的是新的方法为ＧＡ算法的精度、可信度和计算复杂性的定量分析提供了理论和方法上的有力工具.     

鞅在学习样本选择中的应用

样本训练集的选取对网络分类精度及泛化能力有很大影响,同样对回归分析中的两难问题“偏差-方差”影响很大。经典的简单抽样理论在现实中很难做到,数据之间关系受到噪音以及领域知识的限制而显得很复杂,尤其是离群点的影响不能忽视。故而有限样本集中学习,如何获得最优结果不仅与算法有关,且与样本集的选取有关。文章首先从学习的数学理论出发阐明样本训练集的选取方法必要性,进而提出样本选择的鞅性要求与样本训练集中的离群点定义,最后提出在无监督学习中,混合密度分布有限样本集且样本类别数不知情形下的聚类与离群点判别算法,试验结果表明该算法的可行性与有效性。     

双端口RAM实现任意波形发生器

文章讨论了双端口RAM的结构、特点,利用双端口RAM同时读写同一RAM芯片的特点,实现它在任意波形发生器中的应用。     

基于商空间粒度计算的系统性能分析方法

1引言 系统性能分析是系统工程的核心问题,当系统十分复杂时,其分析研究一般很困难.本文想从商空间的粒度计算的方法出发,提出一种对系统进行性能分析方法.为此引入"商空间逼近"、"系统性能可商空间逼近"等概念.并得出:当性能是空间的属性函数时,给出可商空间逼近的充分必要条件;当系统性能是概念性属性时,讨论对概念性性能进行模糊化的必要性和给出相关的方法,及相应的性质和命题.     

多层前馈神经网络的学习和综合算法

本文提出多层前馈网络的一种新的学习和综合算法──ＦＰ算法，并证明由此算法得到的网络作为通用联想记忆器时，具有如下优点：（１）每个样本都是吸引中心；（２）每个样本的吸引半径达到最大值；（３）网络没有假吸引中心；（４）网络具有最少的元件个数；（５）学习的复杂性达到最优（就其复杂性的阶而言）．故此网络在性能、结构、计算复杂性等方面均达到很好状态．