模态转移系统的三值逻辑模型检验

分析了现有的模型检验技术应用于模态转移系统的三值逻辑公式的模型检验中存在的问题.提出了把模态转移系统转换成Kripke结构的算法以及三值逻辑公式转换成2个二值逻辑的算法,经过转换后可用现有的模型检验技术进行模型检验.用该算法转换后,状态数、转移数和原子命题数目与原模型呈线性关系,没有增加模型检验的复杂度.     

一种基于对称三值逻辑的多值学习网络

采用对称三值逻辑的数元｛１↑－，０，１｝作为信息存储的基本单位，本文提出一种用于逼近非线性函数的多值学习网络（ＫＬＮ）。该网络由多个既关联又独立的子网络构成，而每个子网络包含一个权值存储单元组和一个阈值存储单元组。所需的数学运算仅为整数的加法和逻辑判断，因而非常简单。在此基础上，研究了具有自学习功能的多值逻辑学习控制策略。仿真结果表明ＫＬＮ对非线性函数具有良好的学习和表达能力，并对复杂非线性系统具     

基于不完全Kripke结构三值逻辑的模型检验

模型检验技术是形式化验证中比较成熟的技术，但随着设计系统规模的增加，状态爆炸已成为其发展的一个主要问题.为解决此问题，本文提出对系统进行抽象，建立不完全的状态模型，在此状态模型上来验证表示其属性的逻辑公式.这样一个逻辑公式的真值除了真、假外，还出现了第三种情况：未知，即在这个状态模型下无法确定其真值，需要更多的状态信息才能确定.本文还讨论了二值逻辑的模型检验技术，在此基础上给出了基于不完全状态空间的三值逻辑的模型检验算法，此算法与二值逻辑模型检验算法相比，没有带来时间复杂度的增加，最后给出了三值逻辑模型检验算法的应用.     

部分二值逻辑中的判定

利用保关系的思想，定出了部分二值逻辑函数中准完备集的最小覆盖。从而给出了部分二值Sheffer函数的最简判定方法。该方法具有重要的理论和实际意义。     

二值网络的分阶段残差二值化算法

二值网络在速度、能耗、内存占用等方面优势明显，但会对深度网络模型造成较大的精度损失.为了解决上述问题，本文提出了二值网络的"分阶段残差二值化"优化算法，以得到精度更好的二值神经网络模型.本文将随机量化的方法与XNOR-net相结合，提出了两种改进算法"带有近似因子的随机权重二值化"和"确定权重二值化"，以及一种全新的"分阶段残差二值化"的BNN训练优化算法，以得到接近全精度神经网络的识别准确率.实验表明，本文提出的"分阶段残差二值化"算法能够有效提升二值模型的训练精度，而且不会增加相关网络在测试过程中的计算量，从而保持了二值网络速度快、空间小、能耗低的优势.     

混合值逻辑网络的集合稳定

逻辑系统的集合稳定性是基于全局稳定性给出的概念,它研究系统是否能够稳定到某一个状态集合.对此,主要研究混合值逻辑网络的集合稳定性.首先,介绍混合值逻辑网络,并运用矩阵半张量积将其转化为离散代数系统以便于进一步研究;然后,介绍系统不变子集的概念,并给出寻找最大不变子集的方法,在此基础上给出系统集合稳定的充分必要条件;最后,考察系统部分状态的一致稳定性,并将其转化为系统的集合稳定问题,同时通过数值例子加以验证.     

对称三值逻辑及对称三值CMOS电路

本文从负数表示的研究引入对称三进制系统与对称三值逻辑.基于作者提出的传输函数理论,本文讨论了基本对称三值运算的CMOS电路实现,并已用计算机模拟证明它们具有正确的逻辑功能与理想的DC传输特性.基于这些基本电路单元,本文进一步设计了实现加法与乘法的两种对称三值运算单元.     

三值模型在主动网络故障诊断中的应用研究

在分析总结当前主动网络(AN:Active Network)故障诊断技术的基础上,把自测和互测两种方法结合起来,并将三值诊断模型应用到主动网络故障诊断管理中,提出了基于三值模型的AN故障诊断模型,并描述其算法,该模型在不增加任何网络额外成本的情况下就能正确诊断出网络运行时的故障部位,并在一定程度上提高了系统的可靠性以及诊断结果的准确性。     

对称与非对称三值逻辑的关系

1.对称三值逻辑的基本运算 对称三值逻辑的三个基本运算可以表示成非对称三值逻辑的导出运算。     

二值触发器和三值触发器的关系

本文研究二值触发器和二值触发器的关系。当三值信号中有一值不会出现时，各型三值触发器在功能上将转化为相应类型的二值触发器，立即转化为相同结构的二值触发器，另一些三值触发器结构稍加变换也转化为常用结构的二值触发器，便于用统一的方法研究三值时序电路，以及二值与三值混合的时序电路。     

基于分离卷积二值化网络的模型压缩方法研究

深度卷积神经网络(DeepConvolutional Neural Networks, DCNNs)在各个领域的应用愈加广泛,而在实际应用中DCNN需要大量的计算和内存资源,在资源有限的移动设备上难以部署。因此提出了一种基于深度可分离卷积二值化网络的模型压缩与优化加速的方法,首先在深度卷积神经网络中使用深度可分卷积代替传统的卷积,其次将网络中的权重和激活值进行二值化,并通过教师网络引导训练,在最大限度的增加计算速度和减少内存资源占用的同时,保持网络的分类精度。实验结果表明,使用上述方法对花卉数据集进行分类识别,在精度仅下降2.2%的情况下,可大幅减少计算时间和内存资源的占用,有利于移动设备的部署。     

用二值逻辑对多值逻辑进行优化

提出以二值多输出逻辑优化软件OPLG为基础,对多值逻辑函数进行逻辑优化的方法．通过对多值变量、多值函数的二进制矢量描述,将多值多维体转换为布尔表达式积项形式,从多值多维体的多值最小项出发,给出计算基本无关集的方法。对多值逻辑函数的优化通过调用二值逻辑优化软件OPLG(允许的最大输入、输出变量之和为300)来实现,二值逻辑优化的结果最终再转换为多值多维体的表示形式。     

部分二值逻辑中Sheffer函数的判定

利用保关系的思想,定出了部分二值逻辑函数中准完备集的最小覆盖。从而给出了部分二值Sheffer函数的最简判定方法。该方法具有重要的理论和实际意义。     

二值谓词逻辑中公式的向量真度

首次将谓词逻辑系统中一阶语言的有限解释按照其论域的势进行分层, 提出每一层解释类下公式的n真度, 最终给出公式向量真度的定义, 更直观精确地刻画一阶公式的真实程度。接着证明向量真度的一些基本性质, 指出向量真度保持谓词逻辑形式推理的MP规则、HS规则与推广规则, 从而为进一步在谓词逻辑系统中开展近似推理研究提供一种可能的框架。     

对称三值逻辑方程通解的讨论

本文通过引入逻辑代数的任意元,给出了对称三值逻辑方程的通用解法,并对三值逻辑方程进行了分类,得出了具有不同通解的各类方程的计数,此外,还给出了一元对称三值逻辑方程组的通用解法。     

基于三圆交集的二值传感器网络目标跟踪快速算法

目标跟踪是无线传感器网络的一种典型应用.跟踪移动目标由于具有侦查意义得到越来越多的关注.传感器网络目标跟踪定位的精度和计算复杂度通常难以均衡优化,基于三圆交集判别法提出一种二值传感器网络目标跟踪的快速算法,将目标发现队列中传感器探测圆的公共交叉弧段的中间点取作目标估算位置,计算简捷.还修正了跟踪算法评价指标的平均误差与...     

一种基于扩展不完全Kripke结构的三值逻辑模型检测方法

多值模型检测是解决形式化验证中状态爆炸问题的一种重要方法,三值模型检测是多值模型检测的基础,其中如何检验不确定状态的真值是一难点。针对不确定状态检验,提出了一种模型检测方法,首先对不完全Kripke结构PKS进行了扩展,然后在扩展后的模型上给出了检测不确定状态真值的方法,最后给出了基于扩展不完全Kripke结构的三值逻辑模型检测算法。与已有的三值逻辑模型检测算法相比,该算法降低了算法复杂度,完善了对于不确定或不一致信息的处理,从而增强了三值逻辑模型检测的实用性。     

基于模型基的二值图像压缩方法

目前，二值图像压缩主要采用无损压缩方式，压缩倍数低。针对具有相同背景的表格图像，借鉴在运动图像压缩中效果很好的模型基压缩方法，提出将表格图像的相同背景建立成二维模型，将表格图像中的不同内容作为运动参数进行编码，解码时再将图像进行合成的方法。实验证明该方法可以得到相当不错的压缩效果。     

融合RBF的二值神经网络推荐模型

随着网络通信技术的快速发展和互联网信息资源的大规模扩张,信息过载问题日益严重,传统的信息服务使得这一问题得到缓解。但对具有海量条目的信息,用户要根据自己的喜欢找到想要的目标并不容易。为了解决该问题,提出一种融合径向基函数(RBF)的二值化卷积神经网络的推荐模型。该模型建立在卷积神经网络的基础上将输入数据预处理为0或1,极大节省数据存储空间并提高推荐效率。利用RBF建立可信任的亲属网络,根据亲属网络中的相似用户筛选出有用信息并进行分析做出相应推荐。针对电影推荐进行实验,实验结果表明该方法是有效可行的。     

面向对等网络的主观逻辑信任模型

由于P2P系统的开放性、匿名性等特征,使得P2P系统对节点实体缺乏有效的管理机制,节点间的信任度无法进行有效的评定,就有可能存在欺诈节点,影响系统的可靠性,针对以上问题,在JΦsang主观逻辑理论的基础上,建立了一种基于主观逻辑理论的网络信任模型,该模型通过加权平均和方差来确定信任程度的取值方式,以及不确定度的可靠成分的确定,并在信任模型的基础上添加了风险机制,可以在一定程度上防止协同作弊和诋毁的安全隐患。通过仿真分析表明,这种信任模型能很好地解决P2P网络中存在的安全隐患。