可复用构件的制作和组装

软件复用和基于构件的软件开发是软件工程化开发和工业化生产的必然趋势，可复用构件的制作和集成组装是其中涉及的两个重要活动。本文提出软件复用的条件，环境和注意问题，以及支持接口连接式和插头插座式体系结构的构件模型和基于体系结构的构件集成组装框架，并讨论给出构件的制作和组装过程。     

基于神经网络的混凝土构件质量识别

将现有动态信号处理，模式识别等诊断技术与神经网络相结合，应用于混凝土构件的质量识别中，通过对实际构件有关数据的分析处理，表明利用BP神经网络进行混凝土构件质量评估实用可行，可使计算过程简单化，评价标准统一化。     

教学管理系统的构件化实现

研究教学管理系统的构件化，以及软件的可复用技术及模式的应用，并给出基于构件的软件开发方法。在基于构件的教学管理的开发过程中，集中系统、数据库、用户、界面设计、数据传输等多方面来实现。该系统主要针对教学管理构件化、信息化而设计。     

基于可复用性评价的构件设计模式研究

通过对构件内聚度、耦合度和集成度的分析,得出了构件的可复用性评价模型.依据此模型对构件的继承度与复用性之间矛盾进行了分析,提出了在不影响构件可复用性的前提下应用对象技术继承性的设计模式,得出了对象复用技术与构件化开发技术相结合能有效提高构件复用性的结论.     

基于FI-BPNN 的构件检索算法

可重构路由交换平台是通过构件的生成、检索、组装等步骤实现的。为了改善该平台下构件库中构件的检索性能,提出了一种基于刻面的软硬件构件分类方法。设计了基于模糊推理误差反向传播神经网络（Fuzzy Inference Back Propagation Neural Networks,FI-BPNN）的构件检索算法,该算法具有并行性强,效率高,速度快的特点,适合规模较大、构成较复杂的构件库检索问题。仿真实验表明,在构件数量较多的情况下,该算法比现有主流检索算法性能有较大提升,能够满足可重构路由交换平台需求。     

基于构件的软件复用技术

针对目前软件发展速度要比硬件发展速度慢,以及软件重复开发这一状况,提出基于构件的软件复用技术,它是解决这一状况的有效工具。     

构件复用技术的研究

随着计算机应用的逐步扩大,软件需求量迅速增加,规模也日益增长。这种快速增长,导致软件开发越来越复杂,开发费用甚至维护费用也越来越庞大,对计算机软件行业的发展构成了巨大的威胁。针对日趋复杂的软件需求,构件复用技术的出现给计算机软件开发业界带来了希望。作为针对＂软件危机＂的最佳对策,构件复用技术已经引起人们的普遍关注。     

一种基于J2EE的数据库操作构件的设计与实现

数据库操作是软件开发的重要内容,在数据库应用系统中用户进行组合条件查询和分页浏览的操作是最常见的功能之一.由于这部分功能的类似性,如果采用软件工程和构件化开发的思想,会大大减低软件复杂率,消除开发冗余,降低维护难度.本文探讨了在J2EE平台、Strust框架下该类构件的设计和实现.最后对构件的进一步研究提出了改进的意见,并展望了该构件的应用前景.     

基于工作流的构件组装技术研究与应用

研究了软件复用技术、构件技术和工作流技术的理论,以及运用构件、构件库进行构件组装的方法.通过对工作流技术和构件组装技术原理、方法的研究,提出了基于工作流的构件组装技术体系结构.讨论了某生物医药园的进销存管理系统的应用背景和总体目标,提出了基于工作流的构件组装技术实施软件项目的开发流程、体系结构和解决方案.     

神经网络技术在纠错码研究中的现状与前景

综述了神经网络技术用于纠错码译码,设计好码与估计码的性能的研究现状,分析指出了已有工作中存在的突出问题．根据现代数字通信和信息存储系统的发展要求,展望了今后的研究重点与方向,包括研究高速有效的专用神经网络译码模型与算法并设计实用的神经网络译码器;研究神经网络译码器新思想并开展深入工作;探索神经网络ＴＣＭ技术与Ｔｕｒｂｏ码的神经网络迭代译码技术等．     

汽车发动机电子控制系统的神经网络诊断技术

以发动机电子控制系统为对象,记录发动机运行过程的各种数据,研究基于BP神经网络和RBF神经网络的发动机电子控制系统传感器的故障诊断方法,并将主成分分析方法和神经网络相结合设计发动机电子控制系统诊断神经网络;借助流行的汽车OBDⅡ自诊断协议,组建发动机电子控制系统的诊断数据采集系统,并记录实验发动机电子控制系统工作时系统的输入、输出数据,进行诊断神经网络的训练和诊断网络系统的评价。     

一种自适应脊波网络模型

将脊波理论和神经网络相结合,采用具有方向信息的脊波函数作为隐层神经元的激励函数,提出一种自适应脊波网络模型．由于脊波表征高维信息的稳定性和逼近线型奇异性的稀疏性,脊波网络能够以更小的网络规模逼近广泛的多变量函数类型．相对固定的脊波变换它具有更灵活的结构、快速并行的处理速度以及强容错性和鲁棒性．仿真结果也证明了其有效性．     

灰色补偿RBF神经网络

给出了灰色系统与神经网络的一种新的结合方式—灰色补偿RBF神经网络。该网络利用RBF神经网络建立残差与数据间的映射关系,并采用其预测结果补偿灰色系统模型的预测值。仿真结果表明本方法优于其它灰色神经网络。     

Clustering in mobile ad hoc network based on neural network

1 INTRODUCTION Multi-hop wireless network is an ideal technology to establish an instant communication infrastructure for civilian and military applications. Its applications include collaborative, distributed mobile computing, disaster recovery, law enforcement (crowd control, search and rescue), digital battlefield communications, and so on[1]. Such situations demand a network where all the nodes including the base stations are potentially mobile, and communication must be supported unwi…     

基于神经网络法的配电网状态估计

对配电网状态估计的研究是建立起符合配电网特点的数学模型,本文尝试用神经网络方法对系统确定性部分进行状态估计,将网络不确定部分进行简化计算,从而得出全局的结果。通过并对量测数据进行检测,尽可能的提高数据精度。充分应用了配电网自身的特性生成行之有效的计算方法,从而为电力调度管理提供依据。     

具有双向检测机制的ART2神经元网络

为了解决传统的自适应共振理论(T-ART2)网络和增设最初模板的ART2(OP-ART2)网络对模式类渐变过程的不敏感性而导致的识别性能较差的缺陷,提出具有双向检测机制的ART2(BM-ART2)网络.它增设两个门限,对输入模式的聚类进行双向检测,并采用更能反映模式本身特性的比较层输出计算相似度.对一组等腰三角形模式的聚类测试表明,BM-ART2网络能识别模式类的渐变过程,杜绝或减少了模式超出与交混等异常现象,其聚类性能明显优于原先的ART2网络.     

基于神经网络的PMLSM建模

永磁直线同步电动机 (PMLSM)是直线电机驱动的垂直运输系统的核心 ,它的模型的建立对于整个系统的控制与运行分析具有重要的意义 .利用BP算法 ,用C语言编制程序 ,实现了一个单输入层单输出层 4隐含层的神经网络 ,并用实验数据对网络学习训练 ,建立了PMLSM的模型 .通过实验验证 ,该模型的输出结果与实际结果十分接近 ,能够反映PMLSM的基本运动特性 ,因此这种模型可以作为PMLSM的仿真模型进行控制和运行特性的仿真研究 ,并且在进行控制时可以把这种模型作为系统的辩识模型进行预测控制 ,使控制效果更好 .这种模型的建立将为PMLSM的研究开辟出一条新路     

基于级联神经网络的年降雨量预测

降雨量是农业生产的一个重要影响因素,如何准确预测降雨量成为指导农业、水利等一项重要的科技指标。从信息利用角度来看,单一预测模型仅能利用降雨量数据部分有效信息,而组合模型将单一模型的优势互补,可获得更佳的预测效果。基于神经网络理论的快速发展及级联神经网络预测模型被广泛应用于各个方面并取得了很好的结果,针对降雨量曲线的特点,深入分析BP神经网络及RBF神经网络发现,BP神经网络可很好的拟合对降雨量有很大影响的气候信息和其它因素,输出同一类型的降雨量影响信息; RBF 网络的特点就是可很好地提取同一类信息特征,二者的组合可很大程度的提高降雨量预测精度。鉴于此,将BP-RBF级联神经网络引入降雨量预测研究中,实例计算表明,该方法高于单一神经网络预测精度,证明该方法应用于降雨量预测是合理有效的。     

一种基于神经网络的干扰抑制系统

为抑制扩频系统中的干扰信号,提出变换域信息信号识别(TDISI)干扰抑制系统,其中采用了扩展BP神经网络(EBPNN).TDISI首先利用快速傅立叶变换(FFT)将输入信号映射到变换域,提高系统收敛速度;然后通过EBPNN对变换系数进行信息信号的自适应识别,其具有复杂度低、鲁棒性好的特点.理论分析得到采用TDISI后接收信号的干信比(ISR)抑制量、信噪比(SNR)损失量和误码率(BER)的数学表达式.仿真结果表明:在干扰信号相同的情况下,此系统的干信比抑制量较2种现有系统分别提高29.9%和8.9%,信噪比损失量分别降低了54.3%和21.2%.     

基于LPMCC特征和小波RBF网络的语音识别

小波神经网络是结合小波变换理论与人工神经网络思想而构造出来的一种"新型的神经网络模型",融合了小波变换良好的时频局域化性质及神经网络的自学习功能。它通常可看作RBF网络的推广。本文构建了一个以Morlet母小波作为小波基,代替RBF网络中的激活函数的小波神经网络结构,并采用线性预测美尔倒谱(LPMCC)作为特征参数,进行了孤立词语音识别。实验结果表明此种方法抗噪性能好,识别效率高。