基于Jini的计算机网络体系结构剖析

Jini是一种基于Java的网络技术，它利用Java语言的平台无关性使各种基于Jini技术的接入设备形成一个即插即用、动态的网络环境，剖析了Jini技术的体系结构、基本构成以及Jini网络的关键技术。     

无源时差定位系统的仿真研究

平面多站无源时差定位系统模型,按到达时间差(TDOA)定位原理建立.由VC .Net编程建立延迟器、TDOA定位及显示图模块,编译后生成动态连接库并入通信仿真链路.信号源模块产生的时域数据经延迟器延迟,再经相加器输入TDOA定位模块,进行时域互相关.求解时差定位估计值后,用定位解最小距离匹配消除定位模糊.     

基于LSTM型RNN的CAPTCHA识别方法

全自动区分计算机和人的图灵测试(CAPTCHA)是一种基于人工智能难题的网络安全机制。研究CAPTCHA的识别能够使其变得更加安全,并能促进一些人工智能难题的求解。文中首先对现有的CAPTCHA识别方法进行总结和分析,然后提出一种基于长短时记忆(LSTM)型递归神经网络(RNN)进行识别的方法,并对CAPTCHA识别中的特征提取问题进行研究。最后,为进一步提高RNN的识别率,提出一种解码算法。实验结果表明,文中方法是有效的,灰度值对于RNN是一种较好的特征,提出的解码算法能够取得较高的识别率,又有较低的时间复杂度。     

基于KBANN的调制识别仿真研究

BP网络广泛应用于多信号调制样式识别,但普通BP网络存在隐层数目难以确定、收敛速度慢、容易陷入局部最小等缺点.为了克服上述缺点,仿真研究了一种基于知识人工神经网络(KBANN)的信号调制样式识别算法.首先将C4.5算法引入信号特征参数的阈值分割,根据输出的决策树构造出具有决策树特征的拓扑结构,然后使用共轭梯度学习算法提高BP网络的收敛性能.仿真结果表明,与普通BP网络相比,基于知识神经网络的识别算法网络的结构易于实现、能有效改善网络收敛,并提高低信噪比下的正确识别率,为利用神经网络进行调制识别提供了新的思路.