并行计算机

本文概述了并行计算机的种类、结构及影响并行机效率的因素，阐述了并行计算机的发展现状和趋势众所周知，目前世界各国都在争相发展并行计算机，研究开发新型高速的并行机已成为各国争夺高性能计算机霸主地位的主要目标，各国均不惜投入大量人力物力和财力，因此其发展极为迅速，竞争极为激烈。随着神经网络的再度兴起以及其应用的日益广泛，神经计算机的研究日显重要。由于神经网络本质上的并行性，因此它的实现与并行处理技术和并行机紧密相关，大量的并行操作无疑会加速神经网络的计算。为了用与人脑不同的物质，实现同人脑一样的并行信息处理的仿神经计算机，首先要开发的就是能进行高速、超并行处理的计算机，因此探讨一下并行处理技术及并行机的发展现状、现存的问题和今后的发展趋势很有必要。     

基于二维Otsu阈值修正的图像分割新方法

首先采用对二维直方图斜分割和查表的方法,解决了传统二维Otsu方法分割图像计算耗时,难以实时实现的缺点。其次基于灰度统计的思想,针对二维Otsu法处理小目标图像难以实现正确分割的缺点,提出了一种在实现过程中采用迭代的阈值修正新方法。最后设计了一种新型滤波器对分割后的图像进行滤波降噪处理。实验结果表明,阈值修正后的二维Otsu改进算法对小目标图像分割效果明显,而且新型滤波器对滤除散布在目标与背景中的噪声非常有效。将阈值修正法和新型滤波器结合使用,不仅快速,而且准确,取得了良好的分割效果。     

射频仿真多辐射中心方案设计及幅相误差分析

现有的射频仿真系统在单通道中同一时间只能模拟一个辐射中心,因此难以对多目标与分布式杂波进行仿真。通过改进原有馈电电路并调整开关矩阵与阵列天线的连接顺序,现提出了一套新型的多辐射中心仿真系统的设计方案。新方案能够在单通道单周期中模拟两个辐射中心,为在经费有限、通道数量较少的条件下,模拟多目标和分布式杂波提供了技术基础。为了验证新方案的可行性,利用计算机仿真分析了新型方案引入的幅、相误差对辐射中心位置精度的影响,得出了几种情况下位置误差的统计分布。仿真结果表明,虽然新型方案中的位置误差相对更大些,但其辐射中心的位置精度仍然达到了仿真系统的技术要求,新型方案是可行的。     

面向大规模数据集的贝叶斯网络参数学习算法

贝叶斯网络的学习可以分为结构学习和参数学习。期望最大化（EM）算法通常用于不完整数据的参数学习，但是由于EM算法计算相对复杂，存在收敛速度慢和容易局部最大化等问题，传统的EM算法难于处理大规模数据集。研究了EM算法的主要问题，采用划分数据块的方法将大规模数据集划分为小的样本集来处理，降低了EM算法的计算量，同时也提高了计算精度。实验证明，该改进的EM算法具有较高的性能。     

NNSP—1神经网络计算机软件设计

本文结合神经网络计算系统ＮＮＳＰ－Ｉ的硬件结构特点，研究和开发了适用了该机的应用软件，它不仅是一个友好的人机界面和具有编辑、格式转化、数据加载等多种功能，而且支持并行计算，如多层ＢＰ神经网络及ＦＦＴ算法。     

神经网络算法的并行实现

本文针我们构造的并行神经计算机的特点，重点介绍了典型的神经网络算法ＢＰ、Ｈｏｐｆｉｅｌｄ在该系统上的实现方法。     

神经网络计算机-水中兵器的“力量倍增器“

本文介绍了神经网络计算机及其在海军武器系统中的应用，指出了此类智能系统在战争中所起的“力量倍增器”作用。     

宝兰山向巴斯夫转让胶乳资产及技术

由于美元贬值、马克升值及其他经济原因,加拿大宝兰山有限公司已决定将其在北美、欧洲的胶乳生产装置及生产技术全部转让给世界上第三位化学大公司——联邦德国巴斯夫有限公司。同意转让的意向书已由双     

基于DSP的神经网络信号处理机的研究：1994年7月3日收到

人工神经网络实现技术的研究有重大意义，它可推动神经网络研究的进一步深化并加快其实用化步伐。本文重点研究了基于ＤＳＰ的神经网络虚拟实现技术，设计并实现了以ＴＭＳ３２０Ｃ３０作为处理器的并行处理系统，峰值速度为１亿ＦＬＯＰＳ，并行效率可达到９０％。