一种硬感知器的结构设计与EPGA实现

分析了单个神经元神经网络(即感知器)的结构特征；介绍了自顶向下的FPGA的设计方法，并在QUARTUS^TM Ⅱ软件平台上实现了单个神经元的硬件神经网络．     

一种双向挖掘频繁项的有效方法

Apriori算法已成为关联规则挖掘的一个经典方法,广泛地被应用于如贸易决策、银行信用评估、金融保险等诸多领域。这种自底向上方法挖掘短频繁项集时效果较好,当频繁项集较长时,其时间复杂度量呈指数增长态势。本文结合自顶向下和自底向上搜索两种方法,提出一种能更好解决长、短频繁项集问题的双向挖掘方法。通过计算复杂度分析的实验表明,所提出的方法是有效可行的。     

自顶向下优化神经网络的方法

介绍了一种自动优化神经网络的新启迪方法.这种启迪方法综合采用了快速自顶向下优化神经网络结构算法、动态优化学习参数算法和快速交叉校验算法.首先,快速自顶向下优化神经网络结构算法自动地优化神经网络结构;其次,动态优化学习参数算法动态地调整学习参数和选取优化的学习参数;随后,快速交叉校验算法的引入能有效地防止过度适应问题.实验结果显示,这种启迪方法与其它算法相比,具有更强的归纳性能、优化的网络结构和更快的学习速度.     

采用Pro/E二次开发的连杆机构自顶向下设计方法

基于Pro/E给出了一种自顶向下的设计方法和思路,进行了连杆机构自顶向下的集成化、参数化和可视化快速设计,实现了平面连杆机构的结构设计、运动分析及动态模拟,同时利用Visual C+ +2005. NET开发了交互功能非常强的连杆机构设计分析界面.     

产品自顶向下设计的研究现状及发展方向

给出了自顶向下设计所涉及的关键技术、国内外研究现状、存在的问题及发展方向。首先介绍了自顶向下的设计过程；然后介绍关键技术及研究现状，包括产品装配模型的表达方式、装配模型的建模方法、装配模型的优化分析方法和装配顺序规划等；最后给出各关键技术的发展方向。     

面向自顶向下协同装配设计的任务规划研究

分析了产品自顶向下协同装配设计的特点,以及其设计任务规划对产品设计周期和设计效率的影响,研究了任务规划方案,主要包括任务分组和任务组分配.任务分组根据设计组工作量尽可能均衡和任务组内任务应具有较高关联耦合度两个原则,给出了分组遗传算法.根据任务组的关键度和设计组的综合能力,提出了任务组分配算法.以牛头刨床自顶向下协同装配设计为例,验证了任务分组和任务组分配算法的可行性与有效性.     

基于Pro/E的自顶向下的产品参数化设计

介绍在Pro/E的环境下,采用自顶向下的设计方法设计产品时的设计流程,并结合钻杆动力钳减速器的设计实例来加以论述,设计结果表明,采用自顶向下设计方法能够提高设计效率,实现团队间的并行工作.     

航天器数字化协同设计技术研究

随着航天产品型号研制任务量的增加,传统的设计模式已很难满足研制需求,迫切需要更新研制模式,缩短研制周期,减少研制成本。数字化设计正是在这种背景下产生并发展起来的。通过数字化协同设计,实现总体与分系统之间的有效沟通,可大幅提高设计效率、产品的工艺性、可装配性及产品的竞争力。     

自顶向下制备硅纳米线环栅MOSFET新工艺

准弹道输运特征的环栅纳米线MOSFET由于具备很强的栅控能力和抑制短沟道效应的能力,被认为是未来22nm技术节点以下半导体发展路线最有希望的候选者之一。采用传统CMOS工艺在SOI和体硅衬底上制备环栅纳米线MOSFET,解决了许多关键的技术难点,获得了许多突破性进展。文章综述了目前各种新颖的自顶向下制备方法和各种工艺的优缺点,以及优化的方向。     

静态图像中的感兴趣区域检测技术

感兴趣区域(ROI)检测将人类的视觉注意机制引入到图像分析过程中，对于提高现有图像分析系统的工作效率有着积极的作用。本文对当前静态图像中的ROI检测技术进行了评述。在分析了ROI检测的产生背景之后，首先介绍了人类的视觉注意机制，随之从自底向上和自顶向下两个方面详细讨论了当前较具代表性的ROI检测算法，然后列举了一些主要的ROI应用方向，最后对ROI检测技术的发展前景进行了展望。