基于复数权值神经元的数字逻辑最稳健设计

复数权值神经元由于引入了多阈值逻辑而具有更强的性能,文中根据其数学模型,结合二进神经元稳健性的概念,提出了基于该神经元的稳健性定义.并结合定义,实现了基于单个神经元的基本数字逻辑以及异或运算的最稳健设计方案,从而证明了该稳健神经元实现任意数字逻辑的有效性和可行性,说明了其强大的处理能力.     

多输出布尔函数的相关免疫性

本文讨论多输出布尔函数的相关免疫性,证明了多输出相关免疫函数的一个性质,并给出了多输出相关免疫函数的一种构造方法.     

布尔函数若干设计准则的研究

本文在简要介绍密码应用中布尔函数应满足的一些设计准则及其各自构造方法的基础上,分析了这些设计准则的作用及相互关系,提出了同时满足几个最重要设计准则的较实用的构造方法,并给出了相应的例子。     

多输出布尔函数与布尔函数代数免疫阶之间的关系

本文给出了多输出布尔函数状态函数集合的代数结构,证明了多输出布尔函数的代数免疫阶等于某布尔函数的代数免疫阶,且该布尔函数是多输出函数的分量函数的一个非零非线性组合.接着证明了该组合的代数免疫阶是所有非零非线性组合中最小的,从而得出多输出布尔函数的代数免疫阶等于其所有非零非线性组合代数免疫阶的最小值.     

SWT—一个基于示例学习的布尔函数极小化系统

本文介绍一个用示例学习方法极小化布尔函数的系统SWT。同现存的极小化方法相比,SWT算法简单,极小化程度高,并可适用于十五个以上输入变元的较复杂问题。SWT已在VAX11/780与SUN工作站上实现。运行结果表明,SWT比专用于大规模集成电路的工具系统EQNTOTT的极小化程度还要好。     

布尔函数的代数厚度

基于布尔函数的代数次数和代数厚度,给出了布尔函数和其分解函数的代数厚度的关系,利用递归和反证法导出了n元布尔函数代数厚度的上界是2* *(n-1),这个上界回答了"是否存在代数厚度大于2* *(n-1)的n元布尔函数"这个公开问题.在此基础上改进了n元k(2≤k≤(n-1)/2)次基本对称布尔函数的代数厚度的上界,同时也得到了布尔函数的代数厚度的一些性质.     

布尔函数设计中的爬山算法及其改进

针对布尔函数设计中的爬山算法,分析了算法中集合W_(2,3)~ 与W_(2,3)~-的性质,优化了该算法的部分计算。通过分析布尔函数自身的局部性质,提出了改进的爬山算法。实验数据表明:新的算法可以找到非线性度更高的布尔函数。     

寻找布尔函数低次零化子的算法

文章给出了寻找布尔函数低次零化子的几个算法。在分析布尔函数的代数次数与特征矩阵关系的基础上,算法利用布尔函数与其零化子的取值关系来寻找其低次零化子。利用这些算法可以得到布尔函数的所有低次零化子,也可用到其中若干个,利用算法1还可以计算任意一个布尔函数的代数免疫度。     

布尔神经网络的一种高效率学习算法

把二进神经网络学习算法推广至一般情形,利用汉明球及立方体的空间覆盖生成隐层神经元并对空间集合的相交、汉明球与低维空间的笛卡尔积在神经网络中的表现形式进行了深入探讨,得出几个旨在提高学习效率和减少布尔函数实现复杂性的有用结论,并融合形成完整的学习算法。     

一种基于有序二元决策图和布尔函数性质计算网络可靠性的算法

有序二元决策图(OBDD)被广泛用到网络可靠度的计算中,在基于OBDD计算网络可靠度时,其计算时间主要取决于参与操作的OBDD的大小,而OBDD的大小严重依赖于OBDD的变量序。该文根据布尔函数的性质和OBDD原理提出一种优化计算网络可靠性的算法(BF-OBDD),提高计算网络可靠性的效率。实验结果表明改进的算法有较少的 OBDD节点数量,在计算网络可靠性时,花费的时间较少。     

一个新的二进前向多层网学习算法及布尔函数优化实现

本文首先给出二进前向多层网几何学习算法的一个改进策略,提高了原算法的学习效率,然后同个新的神经网络启发式遗传几何学习算法。ＨＧＧＬ算法采用面向知识的交叉算子和变异算子对几何超平面进行优化的划分,同时确定隐层神经元的个数及连接权系数和阈值,对任意布尔函数,ＨＧＧＬ算法可获得迄今为止隐节点数量少的神经网络结构。     

CUDA下局部阈值和二值函数的边缘检测

随着GPU编程的发展,海量数据并行运算更加普及,GPU编程已演化为高度并行、多线程、多核处理的高速大数据计算能力,具有较高的存储器带宽。局部阈值和二值函数下的边缘检测是将3×3图像通过局部阈值函数转换到位块中,而位块中出现的一些模式则被定义为边缘检测算子,该算法能够更快地对图像进行有效的边缘检测。文中介绍了局部阈值和二值函数边缘检测原理,以及如何利用CUDA实现检测,并通过调试仿真将传统边缘检测与局部阈值和二值函数边缘检测的时间进行对比,以证明局部阈值和二值函数边缘检测更快更有效。     

基于有限反馈的MIMO系统鲁棒性均匀信道分解

 在MIMO系统中,当假设发送端和接收端已知完美信道状态信息的情况下,均匀信道分解(UCD)被证明在误码率性能上是最优的且是容量无损的.然而在实际系统中,接收端或发送端获得的信道信息通常存在着一定的估计误差.本文提出一种基于有限反馈的鲁棒性均匀信道分解方案,在设计方案中充分考虑了信道估计误差的影响,并利用香农率失真定理和广义Lloyd矢量量化算法(GLA)得到了信道估计误差的近似值,使得本文提出的方案有很好的实用性.仿真结果表明与传统均匀信道分解方案相比,本文提出的鲁棒性均匀信道分解方案有效地降低了系统的误码平层,提高了系统容量.     

基于可变对角载入的鲁棒自适应波束形成算法

针对传统算法对方向向量偏差敏感的缺点,提出了一种基于可变对角载入的鲁棒自适应波束形成算法.为了提高算法的鲁棒性,采用非线性约束条件下的最优化阵列输出功率对信号方向向量进行优化求解,且优化解中的参量能够准确求出.为了减少计算量,采用递推算法求逆矩阵并利用泰勒级数展开,推导出基于可变对角载入的权重向量公式.该算法可有效地抑制方向向量偏差所带来的影响,降低了计算量易于实时实现,提高了系统的鲁棒性,改善了阵列输出的信干噪比,使其更接近最优值.仿真结果表明,该算法相对传统算法可以获得更好的性能.     

可重构非线性布尔函数利用率模型研究与硬件设计

为解决序列密码中非线性布尔函数(Non-Linear Boolean Function, NLBF)硬件资源利用率低的问题,该文对以查找表(Look-Up Table, LUT)为基本构件的利用率模型进行研究,并结合适配算法的前期处理结果确定影响硬件利用率的3个基本参数(LUT大小、单元规模和输入端口数目);在此基础上,以变量频次为约束实现NLBF的映射,完成非线性运算单元的设计,单元支持多路并行处理。在SMIC 180 nm下进行逻辑综合,并行度为32时,工作频率达到241 MHz,吞吐率为7.71 Gb/s;对不同NLBF进行利用率评估,利用率均达到91.14%以上,并且随着并行度增加,利用率不断增大。     

基于布尔可满足性的精确逻辑综合综述

逻辑综合是电子设计自动化(EDA)的重要步骤,随着算力逐渐提升和新的计算范式不断涌现,传统基于全局启发式算法的逻辑综合面临新的挑战。启发式算法面临的主要问题是得到一个次优解,随着算力的提升,逻辑优化越来越追求精确解而不满足于次优解。该文首先简述逻辑函数表达方法和布尔可满足性(SAT)问题;其次针对精确综合的算法、编码等方面介绍了在布尔逻辑网络的面积优化和深度优化方面的精确综合研究进展;最后对精确综合的未来发展趋势进行讨论。     

Hamming重量为k的布尔函数的全局特征和非线性度

该文给出了布尔函数的自相关系数和互相关系数的一些性质,得到n元布尔函数f (x)满足t 阶扩散准则时,n,t 和Hamming重量wt(f)的制约关系,给出了任意Hamming重量为k的布尔函数的平方和指标下界表达式,推出了仅由布尔函数Hamming重量所确定的非线性度的上界表达式。这些结论推广了已有结果。