基于改进CPN的快速矢量量化

对向传播神经网络(CPN)可以作为矢量量化器用于图像压缩，但CPN学习算法在进行码书设计时存在两个明显的缺陷。本文对CPN学习算法进行改进，提出了一种新的码书设计算法——快速竞争学习及误差修正算法(FCLECA)和一个基于改进CPN的快速矢量量化器模型，并讨论了FCLECA中的重要步骤和重要参数。仿真实验结果表明，FCLECA在生成高质量码书的同时大幅减少了训练时间，可以有效地实现快速矢量量化。     

改进对向传播神经网络应用于码书设计及其性能分析

针对对向传播神经网络(CPN)应用于矢量量化时的两个缺陷进行改进,提出了一种码书设计算法——快速竞争学习及误差修正算法(FCLECA),并设计了相应的基于改进CPN的快速矢量量化器模型,详细讨论了FCLECA的重要步骤、重要参数及其时间复杂度．仿真实验结果表明：文中算法能在提高码书质量的同时大幅缩短训练时间,是一种有效的快速矢量量化算法．     

智慧管网算法研究与应用

随着智能信息化的发展,智慧管网在人们的日常生活和城市的发展中的需求越来越大,然而智慧管网算法问题一直是一个难题。针对管网爆管点查找模糊、流量监测数据精度不高和管网成本评估分析困难等问题,根据流向分析与缓冲分析结合的思想,设计一种基于流向的管网爆管分析算法,采用管线管网漏损率和多因素的综合资产评估方法设计了管网评估算法,采用面积比流量、沿线水头损失、水力等效原则和管网水力平差等设计了管网水力计算算法。最后通过乐山市市中区管网数据进行了实验分析,有效地实现了智能化的流量监控、预警提示、爆管点分析、智能规划维修路线以及管网成本评估等功能,达到了智慧管网算法的基本需求。