运用偏相关因果分析推断神经网络的真实结构

自从格兰杰提出因果关系的概念之后,格兰杰因果关系在构造神经网络的结构方面的应用越来越广泛,因为它可以得到神经网络的一个有向图。对于只有两个神经元的神经元网络,可以用通常的格兰杰因果关系去分析它们谁是因,谁是果。对于三个神经元以上的神经网络,由于神经元之间存在间接的作用,就不能象对两个神经元直接运用格兰杰因果关系去研究它们之间的结构了,而要用偏相关因果关系进行分析。论文介绍了偏相关因果关系的基本概念,并对一个模拟的三个神经元的网络比较了格兰杰因果关系和偏相关因果关系的区别。     

频域格兰杰因果关系及其在信号处理中的应用

自从格兰杰1969年提出因果关系的概念之后,格兰杰因果关系在信号处理、计算神经科学等许多领域的应用越来越广。人们可以利用格兰杰因果关系来分析多个变量之间的直接的相互作用,从而进一步研究各类变量之间的内在联系。以往都是在时域空间进行分析的,也就是说分析的对象都是时间序列数据,研究这些变量之间随着时间的变化是如何联系的。在时域空间的基础上,进一步从频域空间上对变量进行研究,分析在哪个频率段上变量之间存在相互作用,所得到的结论当然更具有意义。     

如何在PowerBuilder中动态存取图形数据文件

文章用流的方法和将图形文件转换成长二进制的方法来解决在PowerBuilder中动态存取图形数据文件,并给出了关键源代码.     

基于matlab的零极点累试法滤波器设计

在信号处理中,实际问题中的很多信号经常伴有噪声,为了消除或减弱噪声的影响,提取有用信号,必须进行滤波,能实现滤波功能的系统称为滤波器。文章提出一种直接设计滤波器的方法：零极点累试法。从理论上介绍了利用零极点累试法进行滤波器设计的思想及步骤,并给出了运用matlab实现该滤波器的仿真方法。由于在随机干扰背景下如何恢复真实的原始信号是一个有实际意义的问题,文章提出的方法在数据处理、图像处理、网络通信等方面有广泛的应用。     

基于网格计算的非集中式资源发现的研究

网格计算为共享和访问大型且不同种类的远程资源集提供一种机制,例如电脑、联机装置、存储空间、数据和应用程序等资源。这些资源通过属性来标识。资源属性具有各种不同程度的动态性,从静态属性(比如操作系统版本)到高动态性(比如网络带宽或CPU负荷)。论文中,在P2P体系中进行大型的和动态的资源发现。在非集中式体系中,评估一套请求传递算法,该算法被设计成能适应不同资源成分(包括共享策略和资源类型)和动态性。为了达到这个目的,建立一个用来模拟两种应用特性的实验平台,这两种特性为:(1)资源按节点分布,而且在共享资源的数量和频率方面也不尽相同:(2)对资源的多种请求模式。     

图像处理中非加性噪声情形下维纳滤波的推广

在图像处理中,噪声问题是经常会遇到的问题。一般情形下都假定噪声是加性的,此时,维纳滤波器是一种最简便的降噪方法,而且它在均方误差意义下是最优的。将噪声推广到非加性的情形,利用维纳滤波的基本思想,同样可以得到均方误差意义下的最优滤波。     

基于支持向量机回归模型的海量数据预测

预测是很多行业都需要的一项方法和技术,随着数据积累的越来越多,基于海量数据的预测越来越重要,在介绍支持向量机基本原理和实现算法的基础上,给出了航空服务成本预测模型,最后对预测结果的评价和选取情况进行了分析。     

矢量格兰杰因果关系及其在复杂网络中的应用

自从格兰杰1969年提出因果关系的概念之后,格兰杰因果关系在构造生物网络(基因网络、蛋白质网络、神经网络)的结构方面的应用越来越广泛,但是它只能用于研究单个节点和单个节点之间的内在联系。而实际的生物网络由于基因、神经元等的相互作用,往往呈现出非常复杂的网络结构,需要研究网络节点构成的组与组之间的内在联系。将格兰杰因果关系进行推广,得到矢量格兰杰因果关系的研究方法,并通过两个模拟的例子验证了方法的有效性。     

基于混合自回归潜周期模型的网络结构分析

格兰杰因果关系是推导网络结构最强有力的工具,特别是对于时间序列数据而言,它有非常精确的时间空间和频率空间的表示形式,所以它的应用越来越广泛。但是实际问题中的很多数据表现出明显的周期特点,且实际测量到的数据通常会受到历史记录的影响,对于这种类型的数据,可以用混合自回归潜周期模型来进行处理。将传统格兰杰因果关系模型应用到包含调和振子的混合自回归潜周期模型,对模型中的参数进行了估计,在此基础上,利用格兰杰因果关系的思想推导出网络的结构。     

图像处理中维纳滤波器的推广与应用

维纳滤波器是一种最简便的降噪方法,而且它在均方误差意义下是最优的。将噪声推广到一般的乘性噪声的情形,利用维纳滤波的基本思想,同样可以得到均方误差意义下的最优滤波,最后通过两个模拟的例子验证了该方法的有效性。