基于细胞自动机和QPSO的间接编码神经网络结构设计算法

设计间接编码方案表达网络结构,利用二维细胞自动机中的元细胞表示网络连接存在与否,对元细胞的坐标和值分别演化,实现对网络结构的生长和剪枝.应用二进制量子化粒子群算法,采用特定的适应度函数,生成和进化元细胞的坐标.设计元细胞的邻域演化规则,演化元细胞的值.利用浮点量子化粒子群算法训练当前网络,逐步得到最终稳定网络结构及其参数.实验结果表明,当应用于不同规模的网络结构设计时,算法复杂度变化不大,并且具备稳定的收敛性能.     

基于DP83640的IEEE 1588应用研究

IEEE 1588协议具有同步精度高、运算消耗小、无需专用设备、实现方式灵活等技术优势,已广泛应用于分布式控制、无线通信、数字化变电站等领域。采用软、硬件相结合的架构,以物理层芯片DP83640实现IEEE 1588底层功能,以应用软件实现协议上层应用,并设计和封装了同步配置、定时触发、事件时间戳、秒脉冲等应用接口,对IEEE 1588的实用化具有重要意义。     

基于Kriging方法的空间散乱点插值

给出的一种距离加权插值方法借鉴地质统计学中的Ｋｒｉｇｉｎｇ方法,在空间数据场满足给定的统计分布特征的前提假设下进行插值。通过对帽状曲面函数的插值结果的观察,可以看出该方法可以获得良好的插值效果。     

基于U-Net改进模型的直肠肿瘤分割方法

诊断直肠癌时,如果能够从CT图像中自动准确分割出直肠肿瘤区域,将有助于医生进行更准确和快速的诊断。针对直肠肿瘤分割问题,提出基于U-Net改进模型的直肠肿瘤自动分割方法。首先在U-Net模型的每级编码器中嵌入子编码模块提升模型特征提取能力;其次通过对比不同优化器的优化性能,获得最适合的优化器用于训练模型;最后对训练集进行数据扩充使模型得到更充分的训练,从而提高分割性能。与U-Net、Y-Net和FocusNetAlpha三种网络模型进行的对比实验表明：所提改进模型得到的分割区域与真实肿瘤区域更接近,对小目标的分割性能更突出,该模型的查准率、查全率和Dice系数三个评价指标都优于对比的模型,能有效分割直肠肿瘤区域。     

基于IDSQ的自适应动态协同自组织算法

在无线传感器网络中传感器节点相互协同完成感知任务,以传感器量测的信息效用与获取量测的能量消耗来折中地选择参与节点,但用户对服务质量(QoS)的需求并没有在节点选择时得以体现.为此,提出一种自适应动态协同自组织算法(A-DCS).该算法能根据用户给定的精度需求,自适应地选择簇首,确定参与感知任务的簇成员顺序和个数,并计算相应的能量消耗.以目标跟踪为应用背景的仿真结果表明,在跟踪精度和能量消耗2个指标下,该算法优于信息驱动传感器查询(IDSQ)和动态协同自组织(DCS).     

基于Web的多层客户／服务器数据库应用程序

讨论基于Web的多层客户／服务器数据库应用计算模型,并提出采用Delphi建立基于Web的多层客户／服务器数据库应用程序的方法和步骤。     

网络面向对象的软件测试技术的研究

面向对象软件测试技术的研究是面向对象开发方法不可缺少的一环。但是随着面向对象技术的引入,面向对象程序开发语言成为主流编程语言，传统的瀑布式软件工程模型受到挑战，传统的测试技术已经无法有效地进行测试。因此文中在对软件测试技术进行了综合分析的基础上，提出了面向对象的测试模型。同时对一个已实现的、具有高度可重用性和灵活性的面向多种OO语言的测试工具Panorama的系统结构进行了分析。     

基于色彩的图像数据库检索方法的研究

文中论述了基于色彩的图像检索方法,对色彩空间的选择、彩色聚类方法、色彩直方图的距离、以及基于图像分割的色彩直方图等方面进行了详细的论述;为提高图像检索的效率和精度,采用了多阶段相似比较的方法。     

基于卷积神经网络交互的用户属性偏好建模的推荐模型

潜在因子模型（LFM）以其优异的性能在推荐领域得到了广泛应用。在LFM中除了使用交互数据以外,辅助信息也被引入用于解决数据稀疏的问题,从而提升推荐的性能。然而,大多数LFM仍然存在一些问题：第一,LFM在对用户进行建模时,忽略了用户如何根据其特征偏好对项目作出决策;第二,采用内积的特征交互假设特征维度之间是相互独立的,而没有考虑到特征维度之间的关联。针对上述问题,提出一种新的推荐模型：基于卷积神经网络（CNN）交互的用户属性偏好建模的推荐模型（UAMC）。该模型首先获得用户的一般偏好、用户属性和项目嵌入,然后将用户属性和项目嵌入进行交互,以探索用户不同的属性对不同项目的偏好;接着将交互过的用户偏好属性送入CNN层来探索不同偏好属性的不同维度的关联,从而得到用户的属性偏好向量;接着使用注意力机制结合用户的一般偏好和CNN层得到的属性偏好,从而获得用户的向量表示;最后采用点积来计算用户对项目的评分。在Movielens-100K、Movielens-1M和Book-crossing这三个真实的数据集上进行了实验。实验结果表明,所提模型在均方根误差（RMSE）上与稀疏数据预测的神经网络分解机（NFM）模型相比分别降低了1.75%、2.78%和0.25%,验证了在LFM的评分预测推荐中,UAMC在提升推荐精度上的有效性。     

模糊知识的不同否定及其在投资决策中的应用(英文)

在模糊知识中存在三种不同的否定,即矛盾否定、对立否定和中介否定,基于中介谓词逻辑MF与其无穷值语义解释Φ,研究了模糊知识及其三种否定的表示与推理,并在一个金融投资决策实例中进行了应用。引入了一种新的与Φ中参数λ相关的模糊产生式规则,讨论了实例中的模糊知识及其三种不同否定的推理算法与实现。