时变容错域的感知联想记忆模型及其实现算法

提出并用软件实现了一种时变容错域的感知联想记忆模型．该模型有以下特点：（1）模拟了大脑联想记忆的容错域随时间变化的特点．模型可以根据记忆样本的重要性，为记忆样本在不同时间设计适当的容错域;（2）实现了”维到m维空间的无穷值模式非线性联想，而且该模型的样本容错域充满整个实空间R^n，模型没有伪吸引子；（3）联想记忆速度快．     

距离加权的2-D核自联想记忆模型及其应用

首先从Hopfield自联想记忆模型(HAM)出发,对其回忆规则运用机器学习中流行的核技巧,构建一个核自联想记忆模型框架(KAM).并通过核函数的选取,使指数型相关联想记忆模型(ECAM)和改进的ECAM(IEC-AM)模型成为其中的两个特例.然后针对二维视觉图像的识别,在核函数中引入反映视觉特性的二维(2-D)距离因子,进一步提出一个距离加权的2-D核自联想记忆模型框架(DW2D-KAM).由此较大改进KAM对图像的存储和纠错性能,并且使该模型更加符合神经生理学和解剖学的思想.最后,计算机模拟不仅证实DW2D-KAM比KAM在字符识别上具有更高的存储和纠错性能,而且其同样优于Seow和Asari提出的模块化HAM的识别效果.     

自联想记忆神经网络研究

自联想记忆神经网络能模拟人脑思维和机器智能,具有信息分布式存储和内容可寻址访问的重要特征,是人工神经网络研究的一个重要分支.介绍了开创自联想记忆神经网络研究先河的Hopfield联想记忆神经网络模型,分析了该模型的优缺点;然后在系统分析现有自联想记忆神经网络相关研究文献的基础上,从学习算法、体系结构和应用领域三个方面对自联想记忆神经网络的研究进展进行了归纳阐述;总结了自联想记忆神经网络目前存在的主要问题,并且预测了其未来的发展趋势.     

基于小世界体系的指数自联想记忆模型研究

全互连结构是大多数神经联想记忆模型采用的连接方式．然而,无论从神经生物学的观点还是从硬件实现角度出发,在确保局部连接占主体地位的情况下,最小化神经元间的连接长度是合乎逻辑的．由Watts和Strogatz提出的小世界体系（SWA）为解决这一问题提供了一条有趣途径．借鉴这一具有一定神经生物学特点的小世界体系,构建出一个基于小世界体系的指数自联想记忆模型（SWEAM）,其在结构上更接近人脑的生物学特性,同时在存储容量和抗噪声性能上优于现有的同类联想记忆模型．因采用了SWA,SWEAM在工艺实现上也更容易．     

具有内连接的指数多值双向联想记忆模型

C_C Wang的多值指数双向联想记忆模型(MVeBAM)是一种高存储容量的联想神经网络.本文在MVeBAM的基础上通过引入自相关项(或内连接)提出了一个新的具有内连接的多值指数双向联想记忆模型,推广了MVeBAM.通过定义简单的能量函数证明了其在同、异步方式下的稳定性,从而保证了所学模式对成为被推广的MVeBAM(EMVeBAM)的稳定点.最后,计算机模拟证实了EMVeBAM比MVeBAM具有更高的存储容量和更好的纠错性能.     

具有内连接的指数多值双向联想记忆模型

C_CWang的多值指数双向联想记忆模型 (MVeBAM)是一种高存储容量的联想神经网络. 本文在MVe BAM的基础上通过引入自相关项 (或内连接 )提出了一个新的具有内连接的多值指数双向联想记忆模型, 推广了MVeBAM. 通过定义简单的能量函数证明了其在同、异步方式下的稳定性, 从而保证了所学模式对成为被推广的MVeBAM(EMVeBAM)的稳定点. 最后, 计算机模拟证实了EMVeBAM比MVeBAM具有更高的存储容量和更好的纠错性能.     

基于自组织映射神经网络的局部自回归方法在网络流量预测中的应用

针对网络流量预测,提出一类基于自组织映射（self-organizing map,SOM）神经网络的局部自回归（auto-regressive,AR）方法．根据SOM的联想记忆在时域的推广,在矢量量化临时联想记忆（vector-quantized temporal association memory,VQTAM）建模技术的基础上,给出具有多个局部线性AR模型的AR-SOM方法,基于前K个获胜神经元用权值代替输入向量建立单一时变局部AR模型的K-SOM方法,以及在完成数据向量聚类的同时,更新多个局部AR模型系数的LLM（local linear map）-SOM方法．相对于全局模型,基于SOM神经网络的局部AR方法能够灵活给出有效的监督神经结构,降低了计算复杂度．将本文方法应用于不同的网络流量预测实例中,并与现有方法相比,实验结果表明所提出的方法能有效地改善预测精度,且性能更好．     

一类新的指数式联想记忆模型

由于Ｋｏｈｏｎｅｎ模型对噪声极端敏感,Ｍｕｒａｋａｍｉ提出一个利用带噪输入优化Ｋｏｈｏｎｅｎ模型的最小平方联想记忆模型（ＬＳＡＭ）,大大降低原有模型噪声敏感性。但ＬＳＡＭ的性能依赖于预先给定的输入噪声方差,而这在实际应用中难以达到。本文所提出的一类指数式联想记忆模型,一方面解决了Ｍｕｒａｋａｍｉ所遇到的上述问题,另一方面使原有模型的联想记忆能力得到极大的提高。因此可广泛地应用于模式识别等领域。     

复形态双向联想记忆网络及其性能分析

基于复数环(C,∨,∧,+)提出了复形态双向联想记忆网络模型,给出了神经网络实现双向完全联想记忆的条件,并分析了自联想的存储能力、稳定性和收敛性及神经网络的抗噪声能力.当复数虚部取零时即为实数,实数域形态双向联想记忆网络就是复数域形态双向联想记忆网络的特例.最后通过仿真实验验证复形态双向联想记忆网络的有效性.     

一个新的高阶双向联想记忆模型及其性能估计

提出了一个新的高阶双向联想记忆模型.它推广了由Tai及Jeng所提出的高阶双向联想记忆模型HOBAM(higher-order bidirectional associative memory)及修正的具有内连接的双向联想记忆模型MIBAM(modified intraconnected bidirectional associative memory),通过定义能量函数,证明了新模型在同步与异步更新方式下的稳定性,从而能够保证所有被训练模式对成为该模型的渐近稳定点.借助统计分析原理,估计了所提模型的存储容量.计算机模拟证实此模型不仅具有较高的存储容量,而且还具有较好的纠错能力.     

面向Flash Memory的高性能数据存储引擎的研究

传统的数据存储引擎对Flash Memory数据的修改是通过页内更新技术实现的,这将导致FlashMemory的性能下降及其磨损加剧。针对该问题,文章提出了一种面向Flash Memory的采用页外更新技术的多版本数据存储引擎MV4Flash。该数据存储引擎采用多版本存储和垃圾回收机制,所有数据的更新和修改都通过文件追加的方式进行,适应了Flash Memory先擦除后写入的特点,延长了设备寿命。采用NDBBench对该数据存储引擎进行测试的结果表明,MV4Flash与传统的InnoDB相比,事物处理性能有较大的提升,更适合于数据规模大、实时性要求高的应用系统。     

Performance Analysis of Hybrid RR Algorithm for Anomaly Detection in Streaming Data

Automated live video stream analytics has been extensively researched in recent times. Most of the traditional methods for video anomaly detection is supervised and use a single classifier to identify an anomaly in a frame. We propose a 3-stage ensemble-based unsupervised deep reinforcement algorithm with an underlying Long Short Term Memory (LSTM) based Recurrent Neural Network (RNN). In the first stage, an ensemble of LSTM-RNNs are deployed to generate the anomaly score. The second stage uses the least square method for optimal anomaly score generation. The third stage adopts award-based reinforcement learning to update the model. The proposed Hybrid Ensemble RR Model was tested on standard pedestrian datasets UCSDPed1, USDPed2. The data set has 70 videos in UCSD Ped1 and 28 videos in UCSD Ped2 with a total of 18560 frames. Since a real-time stream has strict memory constraints and storage issues, a simple computing machine does not suffice in performing analytics with stream data. Hence the proposed research is designed to work on a GPU (Graphics Processing Unit), TPU (Tensor Processing Unit) supported framework. As shown in the experimental results section, recorded observations on frame-level EER (Equal Error Rate) and AUC (Area Under Curve) showed a 9% reduction in EER in UCSD Ped1, a 13% reduction in ERR in UCSD Ped2 and a 4% improvement in accuracy in both datasets.     

基于圆形信赖域的改进和声搜索算法

针对标准和声搜索(HS)算法易陷入局部最优、收敛精度不高的不足,提出了一种基于圆形信赖域(CTR)的新型和声搜索算法--CTRHS。该算法运用逐双音调一次性产生方式,在记忆思考环节交互式地采取面向圆形信赖域的集约化思考操作,在双音调微调环节利用当前和声记忆库中的最好或最差和声来确定微调带宽,并且以新生成和声直接替换当前和声记忆库中最差和声来实现和声记忆库的更新。通过在9种标准测试函数上对CTRHS算法进行实验验证和算法性能对比,结果表明CTRHS算法在解质量、收敛性能上优于文献中已报道的7种HS改进算法,且当和声记忆库规模(HMS)、和声记忆库思考率(HMCR)分别取5和0.99时,它能表现出更佳的全局优化性能。     

基于分层存储理论模型的近似字符串匹配 并行算法研究

CUDA (Compute Unified Device Architecture)是一种重要的并行处理架构,但其具有相对复杂的线程管理机制和多重存储模块,从而使得基于CUDA的算法时间复杂度很难量化.针对这一问题,提出了一种分层存储理论模型—HMM (Hierarchical Memory Machine)模型,该模型所具有的分层存储结构可以有效地描述图形处理单元设备不同存储模块的物理特性,因此非常适用于对CUDA算法时间复杂度的量化评估.作为HMM模型的应用实例,文章提出了一种基于HMM模型的并行近似字符串匹配算法,并给出了相应算法时间复杂度的计算过程.与串行算法相比,该算法可以获得60倍以上的加速比.     

分布式系统中存储器的一致性问题

本文探讨分布式存储器的主要设计与实现中的一个主要问题--存储器一致性问题,详细讨论了内存一致性模型,以及置无效、写更新协议,共享的颗粒性和抖动问题.     

A hysteresis functional link artificial neural network for identification and model predictive control of SMA actuator

In this paper, a modified Hysteresis Functional Link Artificial Neural Network (HFLANN) is proposed to identify and control a Shape Memory Alloy (SMA) actuator, which has an inherent hysteresis phenomenon. In this structure, a hysteresis operator combined with the Functional Link Artificial Neural Network (FLANN) to employ the hysteresis phenomenon and the dynamic of the SMA actuator. The hysteresis operator is introduced to capture the SMA hysteresis. And the FLANN is employed to approximate the dynamic of the system. In identification problem, the FLANN parameters are trained by Particle Swarm Optimization technique. For control problem, a Model Predictive Controller based HFLANN is derived to control the system. The identification results show that the HFLANN can employ for the SMA dynamic. The simulation and experimental results demonstrated the effectiveness of the proposed algorithm. The SMA hysteresis phenomenon is compensated completely by proposed controller.     

JMM与DCL失效探究

Java提供的synchronized关键字可使多线程实现同步,但也会导致双重检查锁定(Double-Checked Locking,DCL)失效.一般采用继承ThreadLocal类的方式来避免这种失效,但实现效率低,性能损失大.针对这些不足,本文结合实例分析了Java内存模型(JMM)、DCL失效原因以及ThreadLocal的内部运行机制,给出了将类的对象设计成Singleton模式的策略.     

复杂条件下高斯混合模型的自适应背景更新

针对高斯混合模型背景更新中面临的光照突变和目标与背景相互转化的问题,提出一种分情况分区域的背景自适应更新算法。首先根据当前检测目标的面积大小判别是否发生光照突变情况,采取针对性更新策略,对于未发生光照突变情况再分背景区域和目标区域分别进行背景自适应更新。其中,重点讨论了目标区域的背景更新问题,提出根据目标尺寸、运动速度和匹配次数等特征参数来调整目标区域的背景更新速率。仿真结果表明,该算法在保证了目标检测完整性的同时,提高了模型对背景变化的适应能力。     

Improved RMS for the PC environment

The Reflective Memory System (RMS) represents a modular busbased architecture that belongs to the class of distributed shared memory (DSM) systems with a hardware-implemented mechanism for maintenance of memory consistency. The RMS is characterized with an update consistency mechanism for shared data in the 'mirrored' memory regions. The goal of the research presented here was to achieve a relatively large global performance and scalability improvement, using a number of relatively small particular enhancements on independent and relatively non-correlated system components (a RISC-style methodology applied to DSM). This work analyses five proposed improvements to the existing RMS. Simulation analysis using a functional simulator based on a convenient and flexible synthetic workload model was carried out, in order to evaluate each proposed idea for a wide variety of workload parameters. Besides simulation results, each presented idea is also considered from the implementational point of view. Finally, the entire fully implemented prototype design is briefly mentioned.     

基于RRAM PUF的轻量级RFID认证协议

针对当前轻量级的射频识别（RFID）加密方案信息防护手段有限的问题,结合由阻变存储器（RRAM）构成的物理不可克隆函数（PUF）,提出了一种新型的轻量级RFID双向认证协议。利用多级响应加密机制实现阅读器与标签之间的安全认证处理。结合RRAM PUF模型,采用了特殊的纠错处理方法提高PUF响应的可靠性并阻止了信息泄露。此外添加了密钥更新机制和异常攻击标识,抵御了追踪攻击和去同步攻击等威胁。经仿真、分析和对比结果表明,该协议可以有效抵抗多种攻击手段,具有较高的安全性和较低的计算成本。