具反应扩散混合时滞Cohen-Grossberg神经网络的指数耗散性

利用扩散算子特性、M-矩阵性质和不等式分析技巧,在不要求神经网络激励函数的有界性、单调性、可微性以及平均时滞有界性的弱保守条件下,研究了一类具有反应扩散混合时滞的非自治Cohen-Grossberg神经网络的实不变集、全局指数稳定性和指数耗散性,并给出了相关的充分性条件.文中所使用的方法摒弃了常规构造适当的Lyapunov泛函的方法,克服了Lyapunov泛函难构造的困难,且得到的结果扩展和改进了其他文献结果.最后给出了一个数值例子来说明所得结果的有效性.     

凌华科技推出高精度系列多功能数据采集卡

2008年7月16日,凌华科技推出PCI接口、32通道、16位高分辨率模拟输出人多功能数据采集卡PCI-9223,模拟输入最高单通道可达500 kS／s采样频率,模拟输入动态性能相比凌华现有产品提升10％以上,提供更高的精确度,模拟输出部分支持两通道同步输出,并可同时达到1MS／s的更新速度,另整合32通道多功能数字I／O及多种数字触发模式,适用于混合信号测试等相关应用。     

连续PH 分布数据拟合的确定性退火BP算法

针对目前连续PH 分布数据拟合EM(Expectation-Maximization)算法存在的初值敏感问题,提出运用确定性退火EM 算法进行连续PH 分布数据拟合,给出了详细的理论推导,并通过两个拟合实例与标准EM 算法进行了对比.对比结果表明所提出的方法可以有效地避免初值选择的不同对EM 算法结果的影响,减小陷入局部最优的可能性,能得到比标准EM算法更好的结果.     

新车改装欢迎你：新飞度全改装

新的一年来临了,尽管经济危机的阴影仍未退去,但燃油税、新车型、混合动力等利好车市的消息已经上路。随着车主改装意识逐渐增强,新车改装渐入佳境,作为行业媒体,顺应新车改装潮流已势在必行,为了更好地服务于读者、行业、市场才蚌垮新辟《新车改装》栏目,立足前级。后级产品,     

基于主动网络的分布式管理模型

通过对现有网络管理模式的分析,发现分布式网络管理模式虽然有很多优点,但是却一直没有得到广泛的应用,其中有一个原因是兼容问题,即要完全将传统网络替换成主动网络目前还不能实现,为了解决这个问题,本文结合主动网络思想和SNMP管理技术,提出了一种基于主动网络的混合管理模型,并对模型的主要组成部分的相关要点进行了描述,最后做了性能分析比较,结果表明当被管理的网络设备数在一定范围内时,混合管理模型的性能比SNMP的性能要好。     

交互式科研信息管理系统的研究

为了实现了科研管理在时间与空间上的延伸,使管理系统具有主动管理功能,应用网络与移动通信技 术,采用在线与离线系统相结合的策略,设计了交互式高校科研信息管理系统。系统采用C/S 与B/S 架构,结合邮件自动发送与 移动GSM 短信发送模块,利用微软的.NET 平台,ASP.NET、ADO.NET 技术,SQL Server 2005 数据库,GSM 短信猫构建。实现了系统的主动式管理,提高了科研管理的 准确性与时效性。     

基于TMS320F2812的中低压电机保护系统

基于DSP的数字信号处理能力强、运算速度快、外设资源丰富的特点,针对目前中低压电机微机保护,设计了以TMS320F2812为CPU,基于以太网通信技术的微机保护系统。详细介绍硬件各模块的功能特点和软件各模块具体实现流程图。经测试运行表明,该系统有很好的稳定性和可靠性,将投入实际运行     

基于极分解下的混合核函数及改进

利用矩阵能极分解生成一个对称半正定矩阵的特性,本文对RBF核进行极分解,并结合全局多项式核,构造一个性能较好的混合核函数.然后对该混合核设定两个权值,使之达到较好的性能.在UCI数据库中的数据集上进行实验,采用基于极分解下的混合核,来与RBF核进行比较.结果表明,使用混合核的SVM,其支持向量的个数少、分类错误低,并有较好的训练速度.还进一步发现,在大多数据集上,该混合核有效抑制了局部核函数RBF所引起的预测输出波动.     

基于Backstepping的非一致轨迹迭代学习控制研究

针对一类在有限时间区间上可重复运行的高阶混合参数化非线性系统,利用改进Backstepping方法,将参数重组技巧和分段积分机制相结合,提出了一种混合自适应迭代学习控制算法。该算法由参数的微分-差分型自适应律和学习控制律组成,可以处理目标轨线迭代可变的跟踪问题。通过构造Lyapunov-like泛函使得跟踪误差的平方在一个有限时间区间上的积分收敛于零,同时保证所有信号均在有限时间区间内有界。仿真结果说明了所提算法的有效性。     

一个用于卷积混合模型的时频分析盲分离算法

提出一种基于时频分析的卷积混合盲分离算法.由于信号源与各传感器的距离不同,在传播的过程中会产生不同的幅度衰减和时间延迟.该算法用短时傅里叶变换对语音信号进行时频分析,将其中一个传感器信号作为参考信号,构造了源信号的幅度衰减向量和时间延迟向量.根据语音信号的时频域稀疏性,以这两个向量为特征,在时频域上对传感器信号进行聚类,再通过估计参考信号混合系数来获得源信号时频域表示,进一步得到源信号.该方法可以用于源信号数目大于传感器信号数目的情况.仿真实验证明,算法可以完成欠定情况下卷积混合信号的盲分离,分离结果令人满意.