关于多层感知器的函数逼近能力

给出一个关于多层感知器（ＭＬＰ）连续函数逼近能力更为普遍的新结论，表明ＭＬＰ的函数逼近能力与隐层数目及隐层神经元特性函数的选以关系不大，而主要是决定于ＭＬＰ的支神经元数目。     

基于知识的模糊多层感知器

通过与标准模糊多层感知器的对比文章描述了基于知识的模糊多层感知器的具体结构,讲述了如何利用先验知识对连接权进行初始化以及如何从已经过训练的网络中抽取推理规则,文章最后指出这种网络在训练效率和识别性能上优于标准模糊多层感知器。     

多层感知器在机械故障诊断中的应用

提出一种动态调整学习率和附加梯度变化量与动量项相结合的权值优化方法,同时引入绝对误差函数用于对多层感知器中BP算法的改进,并将改进算法用于旋转机械故障诊断实例样本的学习。仿真结果表明,改进的BP算法可显著加速网络训练速度,学习过程具有较好的收敛性,并能正确地诊断出存在的故障,具有一定的实用价值。     

多层感知器的局部化设计

结合前馈网络的全局化设计和局部化设计的各自特点,提出一种由多个既独立又关联的同构子网络构成的局部化多层感知器.仿真结果表明,该网络对复杂非线性系统具有良好的学习性能,并适用于学习控制的直接逆模型法和远程学习法.     

多层感知器的一种快速网络训练法及其应用

从多层感知器原理分析出发,提出一种自适应学习速率因子方法,用于对多层感知器中ＢＰ算法的改进,并将改进算法用于ＸＯＲ问题的学习及某分类器实例样本的学习。仿真结果表明,改进的ＢＰ算法可显著加速网络训练速度,学习过程具有较好的收敛性和较强的鲁棒性。     

融合卷积神经网络与多层感知器的鞍部识别方法

针对传统鞍部识别方法中特征选择困难及未考虑鞍部与其它地形要素的共生关系等问题,利用深度卷积神经网络的特征自学习性能,提出了一种卷积神经网络与多层感知器相结合的混合模型实现DEM数据中的鞍部要素识别.首先设计改进的卷积神经网络模型自动提取鞍部的深度特征,经过Softmax分类器得到候选鞍部点,再运用多层感知器对候选鞍部点...     

多层感知器网络内部判决模式的研究

人工神经网络（ANN）内部行为的研究,无论是对生物神经系统内部工作机理、ANN理论,还是对ANN应用都有重要意义。本文在作者原有工作基础上加以发展,针对多层感知器网络应用于模式识别、分类、 数逼近与参数估计的内部行为,作出了明确解释;以单陷层结构为典型,定义了隐层神经元输出为网络输出量的“（正、负）内部分量”,陷层权重分布为网络求解问题的“内部判决模式”;并给出了应用这一理论分析的实例。     

基于差分进化生物地理学优化的多层感知器训练方法

针对生物地理学优化训练多层感知器存在的早熟收敛以及初始化灵敏等问题,提出一种基于差分进化生物地理学优化的多层感知器训练方法。将生物地理学优化（Biogeography-based Optimization,BBO）与差分进化(Differential Evolution,DE)算法相结合,形成改进的混合DE_BBO算法;采用改进的DE_BBO来训练多层感知器（Multi-Layer Perceptron,MLP）,并应用于虹膜、乳腺癌、输血、钞票验证等4类数据分类。与BBO、PSO、GA、ACO、ES、PBIL等6种主流启发式算法的实验结果进行比较表明,DE_BBO_MLP算法在分类精度和收敛速度等方面优于已有方法。     

爽层感知器的灵敏度分析

灵敏度分析对于神经网络结构设计具有指导意义,已有的灵敏度分析方法往往针对特定的激活函数,并且对网络输入和权值扰动有严格的限制,该文采用另一种以1-ed^-λx/1_e^-λx型激活函数的倾斜度作为参数的函数形式逼近激活函数,得到一类神经元的统一的灵敏度解析表达式和网络灵敏度计算算法,该方法取消了对输入和权值扰动的限制,可以研究激活函数倾斜度对网络灵敏度的影响。计算机模拟试验证明了此方法的正确性,并且提出了网络结构设计的几条准则。     

基于多层感知器网络的农作物疾病诊断系统

农作物疾病的人工诊断效果常受到个人诊断经验和能力的限制,无法达到最令人满意的诊断结果.将丰富的植物病理学诊断经验和知识编人专家系统,利用模式识别算法,对农作物常见疾病进行诊断,可以大大提高诊断准确率,有效地提高其产量和质量.主要研究了基于一种人工神经元网络—多层感知器网络的模式识别技术在大豆疾病诊断中的应用.MLP神经网络通过模拟生物神经元细胞对外部刺激而产生的反应,构成一种前向神经网络,可以有效地解决非线性不可分问题.首先对大豆常见19种疾病症状进行了收集和整理,构建试验样本集.然后,利用反向传播算法对该网络进行训练和测试.测试结果表明,该模型具有较高的农作物疾病诊断正确率和良好的泛化能力.     

软件净室技术在大型软件开发中的应用

以CWTCAD软件为例 ,介绍如何将软件净室技术应用于软件的质量管理。     

Time Petri网在实时软件测试中的应用

针对实时软件传统测试方法的不足，提出了用Tune Petri网来生成测试方案的方法。该方法很好地处理了与时间有关的不确定性问题，具体例子说明了其在实时软件测试中的应用。     

侧信道多层感知器攻击中基于贝叶斯优化的超参数寻优

传统侧信道攻击利用加密设备泄露的物理信息来获取密钥,由于其需要大量人为干预,越来越多研究将机器学习算法运用到侧信道攻击中,其中神经网络攻击效果最好,而多层感知器又是神经网络的基础,其中超参数在很大程度上影响最终训练与攻击结果.为实现超参数自动寻优,将贝叶斯寻优的方法应用在侧信道多层感知器攻击中,并提出对离散值的处理方法,发展出能够结合超参数经验的侧信道多层感知器超参数寻优方法.实验对比了人工寻优与贝叶斯寻优两种算法用于侧信道多层感知器攻击中的效率,验证了多层感知器与侧信道攻击相结合及贝叶斯寻优的可行性和高效性.     

计算机软件的专利申请

如何对计算机软件这一智力成果给予合理的专利保护,始终受到计算机软件的产业界和法律界人士的关注和聚焦。着重介绍我国法律对计算机软件保护的规定,列举了一些是否符合专利法保护的客体,并结合代理实践案例来阐述如何进行涉及计算机软件的专利申请。同时提出了目前涉及计算机软件申请中法律规定所存在的问题和一些观点。     

RTF在统计软件设计中的应用

针对统计软件设计中图文并茂的统计报表的输出需求,深入研究通用格式RTF(Rich Text Format)中的表格、图形图像、数学公式、文字段落格式、OLE对象等各种细节问题,结合第三方组件TRxRichEdit,实现了对RTF的灵活控制并有效地满足了统计软件中图文并茂的统计报表的输出需求;并将其引入自行研发的LLLStat统计软件中.该软件在本科生、研究生概率统计相关课程的教学和团队科研工作中取得了良好的效果.     

有效改善软件过程方法研究

改善软件过程是软件生产和发展软件产业的必由之路。结合目前软件过程工程领域研究现状,研究分析两种软件过程改善的方法：自顶向下和自底向上。自顶向下的方法以CMM模型框架为基础,结合其5层结构指导企业软件过程的改善;自底向上的方法根据企业及其具体软件项目的特点,采取“理解”－“评估”－“打包”的软件过程改善过程,“理解”过程目的是建立软件过程基线,“评估”过程是引进过程变更并评估过程变更造成的影响,“打包”过程是评估成功过程变更得到的经验并形成新的过程规范。最后从软件过程改善目标,软件过程基线、软件过程变更评价、软件过程改善方法等方面对上述两种软件过程改善方法进行比较。     

关于软件过程改进中测量问题的研究与实践

在扼要讨论了过程管理的核心职责,过程的宏观特性,过程的测量过程以及过程测量元的选择原则之后,详细描述了过程改进的六个测量要素,即进度,工作量和成本,需求,关键计算机资源,过程和产品质量以及风险,并给出了这些测量元的概念,意义及其表达方式,认真进行过程测量,对改进软件过程和发展软件产业具有迫切的现实意义。     

基于审查的软件过程改进

在简述了中国软件企业的发展现状后,描述了软件审查的框架,并对审查和其他几种主要改进策略的投资回报率作了比较,对大多数中国软件企业来说,审查不失为一种较好的过程改进策略。     

设计模式在有限元软件框架设计中的应用

框架是一组相互协作的类,形成某类软件的一个可复用设计.设计模式描述了软件设计中的共性问题的解决方案,首次把设计模式引入到有限元软件框架设计中,并给出了几种设计模式的具体实现,使有限元软件框架更易于重用和扩展.