基于UAMRT的机器翻译方法

本文提出了一种新的机器翻译方法，即基于UAMRT的机器翻译。该方法的基本思想非常简单：首先设计模板匹配替换通用算法UAMRT，然后利用UAMRT匹配句子中的源语言模板，并将其替换为相应的目标语言模板，从而实现对句子的翻译。在结合句型分析算法和从句分析算法的基础上，利用启发式搜索机制进一步提高了句子的翻译速度和质量。速度测试表明用该方法实现的英汉翻译系统在P-IV1．7G的计算机上翻译速度每秒可以达到1300个单词左右；质量测试表明该系统的性能在开发过程中仅仅通过增加更多的模板就会变得越来越好，而且在应用时与几种商用系统相比可以达到中等水平。     

ECR Plasma CVD淀积光电器件介质膜的工艺模拟

以实验数据为基础,运用人工神经网络方法,建立了电子回旋共振等离子体化学气相沉积（ＥＣＲ Ｐｌａｓｍａ ＣＶＤ）淀积硅的氮、氧化物介质膜的折射率、速率与气流配比Ｑ（Ｎ２）／Ｑ（ＳｉＨ４）和Ｑ（Ｏ２）／Ｑ（ＳｉＨ４）关系的数学模型,此模型在给定气流配比Ｑ（Ｎ２）／Ｑ（ＳｉＨ４）和Ｑ（Ｏ２）／Ｑ（ＳｉＨ４）时所预测的成模折射率跟实验值符合得很好,为ＥＣＲ Ｐｌａｓｍａ ＣＶＤ淀积全介质光学膜的工艺打下坚     

一种安全完备的秘密图像分存方案

基于二维细胞自动机原理提出了一种新的秘密图像分存方案,该方案把秘密图像作为细胞自动机的一个初始配置,通过二维阶可逆存贮细胞自动机将影子图像分解成份,再利用其逆细胞自动机对份的影子图像中连续的份进行反向迭代来重构所分存的秘密图像.分析表明:该方案实现简单,在计算上是安全的,并且是一个完备的方案,而且易于在软件和硬件上实现.     

基于通用模板匹配替换方法的英汉翻译系统

在常项、变项、模板和实例等概念的基础上,提出了一种用模板匹配替换策略实现机器翻译系统的新方法,并通过若干翻译实例说明了该方法在用于实现英汉翻译系统的工作过程和潜在优势。引入适当的启发式索引机制后,以该方法为基础实现的英汉翻译系统翻译速度每秒可以达到500-600个单词。通过对470个有代表性的英语句子进行翻译测试表明,该系统的翻译正确率达到了93.6%,超过了目前市场上流行的英汉翻译系统。     

Hopfield网络中二元正交记忆模式的吸引域分析

在作为联想记忆的Hopfield网络中,二元正交记忆模式的分析对网络记忆容量的研究起着重要作用。文中提出了利用吸引指数的概念对各个二元正交记忆模式的吸引域进行估计的方法。理论分析和计算机仿真表明,当网络容量不超过0．33N时（比通常的0．15N要好）,每个二元正交记忆模式的吸引域至少包含一个汉明球。     

ECR Plasma CVD淀积介质膜的工艺模拟

以实验数据为基础,运用人工神经网络方法,建立了电子回旋共振等离子体化学气相沉积（ＥＣＲ Ｐｌａｓｍ ａ ＣＶＤ）淀积硅的氮、氧化物介质膜折射率ｎ 与气流配比Ｑ（Ｎ２）／Ｑ（ＳｉＨ４）和Ｑ（Ｏ２）／Ｑ（ＳｉＨ４）关系的数学模型,此模型在给定气流配比Ｑ（Ｎ２ ）／Ｑ（ＳｉＨ４）和Ｑ（Ｏ２）／Ｑ（ＳｉＨ４）时所预测的成膜折射率跟实验值符合得很好,该数学模型为ＥＣＲ Ｐｌａｓｍ ａ ＣＶＤ淀积全介质光学膜的工艺模拟打下坚实的基础。     

基于拉格朗日插值多项式的彩色图像分存方案

为了解决真彩色大秘密图像的安全传输问题,提出了一种基于拉格朗日插值多项式的图像分存方案;该方案通过对真彩色大秘密图像进行压缩、量化、编码、分解、译码等处理生成秘密图像的n个影子,再将每个影子隐藏于一幅尺寸是秘密图像的t分之一大小的可视的载体图像中,任取其中的t个嵌入秘密图像影子的载体图像,就能恢复原始秘密图像;同时给出了分存原理和直接恢复公式,提高了图像分存和恢复的速度,简化了计算过程。     

ECR Plasma CVD淀积介质膜折射率的神经网络模拟

用人工神经网络方法对电子回旋共振等离子法化学气相沉积（ＥＣＲＰｌａｓｍａＣＶＤ）镀膜工艺建立了一个介质膜折射率ｎ关于气流配比Ｑ（Ｎ２）／Ｑ（ＳｉＨ４）和Ｑ（Ｏ２）／Ｑ（ＳｉＨ４）的数学模型．在给定气流配比Ｑ（Ｎ２）／Ｑ（ＳｉＨ４）和Ｑ（Ｏ２）／Ｑ（ＳｉＨ４）时模型预测的成膜折射率与实验值符合得很好．     

前馈神经网络中隐层神经元数目的一种直接估计方法

目前还没有一个行之有效的方法直接估计前馈网络隐层神经元的数目。该文首先提出一种利用单调指数直接估算三层前馈网络隐层经元数目的方法,以保证网络近似逼近任意给定的训练数据。理论分析和计算实验表明,此方法能够在训练之前预先确定最优（最少）或接近最优的隐层神经元数目,使得网络在训练之后不仅可以较好地反映训练数据的变化趋势,而且有较为满意的逼近精度。     

方向基函数神经网络及其逼近能力

描述了方向基函数神经网络的基本概念,并通过利用分析仿射基函数和径向基函数神经网络逼近能力的方法证明了方向基函数神经网络不仅能够逼近有限点集上的任意方向不变函数,能够在单位球面上一致逼近任意方向连续函数,而且还能够依L~p范数平均逼近任意的p次方向可积函数。