神经计算与量子神经计算的研究综述

神经计算科学是从信息科学的角度,用计算的方法研究神经网络如何模仿和延伸人脑活动的机理及实现类脑智能信息系统的问题。量子神经计算是量子计算与神经计算相结合的产物。文中主要阐述了神经计算的研究现状,在其基础上对量子神经计算的概念及模型进行了介绍,综述了国内外的研究动态与发展趋势。     

一种通用神经计算并行模型NCPM

在对神经计算特点分析的基础上，本文提出一种通用的神经计算并行模型ＮＣＰＭ，论述了通用神经计算并行模型的定义以及神经计算并行性开发方法，并对该模型进行综合评价。     

基于微分流形的神经计算

神经计算是一门崭新的信息处理学科，研究非程序的，适应性的，大脑风格的信息处理的本质和能力。它的研究对象是人工神经网络，即由大量神经元组成的非线性动力系统。本文介绍用微分流形研究神经信息处理的重要概念，讨论研究机理和方法。     

分布式超级计算在神经计算平台上的应用

介绍了神经计算平台的整体架构,阐述了网格分布式超级计算理论在神经计算平台中的应用,并详述了具体的设计与实现,最后分析了该方法的优势.     

面向神经计算的并行机体系结构设计

面向神经计算的并行计算机体系结构是神经网络研究中的一项重要工作。本文在对大量的神经计算进行需求分析的基础上，讨论了以高性能的微处理器作为计算单元，进行面向神经计算的并行计算机体系结构设计，并且介绍了它原型实现的结构、参数和性能     

一个面向神经计算的并行计算机系统的性能分析与测试

文中主要以一个面向神经计算的并行计算机系统ＮｅｕｒｏＣ为背景，讨论一种并行计算机性能分析模型，并对ＮｅｕｒｏＣ进行性能分析．根据实际并行神经计算模型、ＮｅｕｒｏＣ的结构和计算特点，给出了并行神经计算中一些与性能相关的结论，最后给出了一些系统实际测试结果．     

一种奇异混合信号盲分离的神经网络模型

混合信号盲分离问题是一类很难而又具有很强应用背景的问题,以往对这类问题的研究均在混合矩阵为非奇异的条件下进行,本文给出一种神经网络模型及相应算法,处理混合矩阵为奇异的混合信号盲分离问题。     

计算智能在多源信息融合中的应用研究

通过对计算智能（CI）在多元信息融合（MSIF）中的应用方法的研究，从指挥控制的SHOR模型出发，介绍了计算智能和软计算的概念，以及在多元信息融合中应用计算智能方法的必要性，提出了计算智能在信息融合及决策支持的系统开发的应用框架模型，并给出了计算智能在预警中的应用实例。     

量子计算进展与展望

评述量子计算的历史、研究现状以及进一步发展的方向.着重论述量子算法的机理,对已知量子算法特征进行总结分析;归纳量子计算与经典智能计算的结合模式,比较其与传统智能计算的异同.在总结量子计算存在问题的基础上,探讨了今后的研究方向.     

信息获取科学与技术中信号处理体系

本文从实现的功能和规模上,将信息获取技术分为四类,即传统传感器、智能传感器、分布式智能传感器和分布式智能感知系统,从材料科学、机械结构、硬件电路等方面详细分析了误差和干扰的产生机制,并且给出了解决方案和未来目标.􀁱     

混沌卷积混合信号的预测重构盲反卷积方法

介绍了混沌序列的特性，然后利用混沌的类随机特性和盲信号处理技术，提出了一种针对混沌卷积混合信号的预测重构盲反卷积方法．该方法充分利用了混沌的物理特性，通过对混沌卷积混合信号使用基于直接预测误差分析所构成的混沌滤波器和基于相空间重构动力学系统方程的人工智能补偿技术去进行盲反卷积，从而实现对单输入单输出混沌卷积信号的源信号和传输函数的盲反卷积处理．仿真实验验证了该方法的有效性和可行性。     

基于特征值分解的循环平稳离散时间信号的盲分离

盲分离的目的是从观测到的混叠信号中恢复出各个未知的源信号,现今的很多方法都是利用了信号时域表示的某些统计特性来解决这个问题。从信号频域分析的角度提出了一种利用信号的循环平稳特性来处理离散时间信号的频域盲分离方法。该方法构造两个二阶统计矩阵的乘积,并对该乘积矩阵进行特征值分解,从而实现源信号的分离;同时,还对特征值分解的条件进行了分析。该方法在低维信号的情况下可以取得相当满意的分离效果,仿真结果表明该方法具有良好的性能。     

作物科学的优先研究领域展望

未来的世界粮食供应状况决定着作物科学的研究方向。在对大量文献进行分析研究的基础上 ,概述并展望了粮食过剩、粮食短缺以及区域粮食短缺情况下作物科学的优先研究领域。文章最后还强调了正确选择作物科学优先研究领域的重要性。     

数格子——一种简单的盲源分离方法

将多个随机变量的实现的每个分量分别用相应随机变量的分布函数变换，再将值域空间划分为均匀格栅，则格栅中被占据的格子数目的期望当这些随机变量相互独立时最大。本文发现了这一有趣的规律，对其作出了理论解释，并据此提出了一种简单的盲源分离方法。该方法能够分离各种源信号且易于用数字硬件实现。     

Cognitive Science Approaches To Understanding Diagrammatic Representations

Through a wide variety of approaches cognitive sciencehas given us various important insights into thenature of diagrammatic representations. This papersurveys the findings, issues and approaches todiagrammatic representations in cognitive science. Important current issues that are highlighted include:the relation between the parts of the representationalsystem that are internal to the mind and in externalvisual media that presents the diagram; the use ofmultiple representations which is typical of realcontexts of diagram use; the benefits of diagrams interms of (i) computational offloading, (ii)re-representation and (iii) graphical constraining.     

Explanation by Computer Simulation in Cognitive Science

My purpose in this essay is to clarify the notion of explanation by computer simulation in artificial intelligence and cognitive science. My contention is that computer simulation may be understood as providing two different kinds of explanation, which makes the notion of explanation by computer simulation ambiguous. In order to show this, I shall draw a distinction between two possible ways of understanding the notion of simulation, depending on how one views the relation in which a computing system that performs a cognitive task stands to the program that the system runs while performing that task. Next, I shall suggest that the kind of explanation that results from simulation is radically different in each case. In order to illustrate the difference, I will point out some prima facie methodological difficulties that need to be addressed in order to ensure that simulation plays a legitimate explanatory role in cognitive science, and I shall emphasize how those difficulties are very different depending on the notion of explanation involved.     

Chinese Information Processing and Its Prospects

The paper presents some main progresses and achievements in Chinese information processing. It focuses on six aspects, i.e., Chinese syntactic analysis, Chinese semantic analysis, machine translation, information retrieval, information extraction, and speech recognition and synthesis. The important techniques and possible key problems of the respective branch in the near future are discussed as well.     

On-line Algorithm for Blind Signal Extraction of Arbitrarily Distributed,but Temporally Correlated Sources Using Second Order Statistics

Most of the algorithms for blind separation/extraction and independent component analysis (ICA) can not separate mixtures of sources with extremely low kurtosis or colored Gaussian sources. Moreover, to separate mixtures of super- and sub-Gaussian signals, it is necessary to use adaptive (time-variable) or switching nonlinearities which are controlled via computationally intensive measures, such as estimation of the sign of kurtosis of extracted signals. In this paper, we develop a very simple neural network model and an efficient on-line adaptive algorithm that sequentially extract temporally correlated sources with arbitrary distributions, including colored Gaussian sources and sources with extremely low values (or even zero) of kurtosis. The validity and performance of the algorithm have been confirmed by extensive computer simulation experiments.     

盲信号处理技术在双通道前臂肌电信号识别中的应用

根据肌电信号产生机理,本文对双通道前臂肌电信号建立单输入多输出FIR系统模型 ,由于模型输入未知且不可测,采用了盲信号处理方法对模型参数进行辨识．通过提取模型 冲激响应作为信号特征,能够对握拳、展拳、前臂内旋和前臂外旋四类前臂动作进行识别． 实验表明,该方法仅需建立较低阶数的模型即可达到较好的分类目的,性能要优于传统的AR 模型方法．