采用计数器存储权值的人工神经网络的实现

文中提出了一种采用计数器存储权值的人工神经网络的实现方案。数字权值采用计数器存储,突触电路和神经元电路用模拟电路来实现。数字权值经脉冲宽度调制电路转换为脉冲信号作为模拟突触电路的输入信号。因而权值可以长期存储,对权值的修改易于实现,突触神经元电路结构简单,融合了人工神经网络模拟实现和数字实现的优点。对于智能计算机的实现具有重要的意义。     

并行协作模块化神经网络体系结构

提出了一种并行协作模块化神经网络的体系结构和学习算法,它可实现复杂任务的自动分解判定和模块化训练策略.实验表明,本文提出的体系结构和算法与非模块化神经网络技术相比,提高了训练速度、改善了网络性能,它具有高效并行运行效率、容易实现新增样本学习等特点.     

Web日志中有趣关联规则的发现

关联规则挖掘是Web用法挖掘的一个重要研究课题。目前的Web日志关联规则挖掘算法忽略了用户对规则是否感兴趣这一重要问题。对Web日志关联规则挖掘算法进行了研究，结合网络拓扑结构，提出了Web拓扑概率模型和有趣关联规则（IAR）算法。利用Web拓扑概率模型对关联规则进行有趣度评价，得出有趣度高的规则，用于改善网络性能。实验显示了IAR算法如何提高规则的利用率和有效地改善网络拓扑，它可以成功地应用到Web用法挖掘中。     

基于原子矩阵的时间序列的相似性模型

时间序列是由一系列相关的点组成,对此,论文用矩阵来表达时间序列结构,提出时间序列的结构矩阵及原子矩阵,建立以原子矩阵为模板的序列模型,进行时序结构相似性研究,得到一个合理的相似度量值,而矩阵的一些变换可以提高模型的适应性。     

范例的代数结构及其相似度量的研究

文章把范例特别是具有多种多元关系的范例,提炼为代数结构,建立基于代数结构的相似度量模型,一个可容纳多种类型的相似度量模型。还讨论了相似度量的等价分类及一些运算,如限制与连接等等,这些使得该模型可用于很广的领域。     

时间序列的相似性的分层查询

提出了一种新的基于重要点的分段方法,将时间序列数据转换为趋势序列。在进行相似性比较时先进行趋势相似的比较,然后对结果进行欧氏距离的比较。实验结果表明该算法是有效的。     

基于OWL的层次知识管理模型

本文针对目前知识管理体系对隐性知识表达能力不足以及体系的动态性和开放性不足的问题,利用OWL在智能知识表示和信息建模方面的强大功能,提出了围绕知识单元、基于OWL的层次化的知识管理体系结构,为建立动态、开放、智能化的知识管理进行了有益尝试。     

基于流图的新型规则推理网络研究及应用

本文提出了一种基于流图（flow graph）的新型数据挖掘技誊,用于数据中的规则提取以及推理,并且首次将菝技术应用到商业银行信用风险决策中,通过数据实验证实了它的有效性。     

一种新的数据预处理算法--NLCA

针对数据预处理的方法进行了研究,提出了基于非线性相关性分析与量化（Non-Linear Correlation Analysis,NLCA）算法。NLCA算法是一种基于在多重图中通过对多重边聚合从而达到约简的工具,它包括边聚合与点聚合。这种算法能够很好地表示实时数据全局的相关性,改进了现有使用联合概率的单一计算方法。对该算法进行了大量实际数据的验证,显示出它是一种优于现有的数据预处理方法。     

确定氧化钇微细粉制备条件的神经网络方法

氧化钇微细粉的制作过程中 ,微细粉的颗粒粒径及品质质量涉及到制作过程中的料液浓度、沉淀温度、草酸浓度、分散剂用量、热分解温度等多种影响因素 ,须经大量的探索和试验才得以确定每一项工艺参数。本文提出建立人工神经网络模型 ,将已有的实验参数作为神经网络的学习样本 ,训练网络模型 ,然后利用经过学习后的模型的容差和智能特性 ,为氧化钇微细粉的制备确定所需的工艺条件。实验结果显示神经网络方法具有比较高的准确性