基于混沌时间序列的非线性动态系统神经网络建模与预测

在分析神经网络非线性建模原理的基础上，以典型的非线性差分方程为研究对象，提出了一类基于神经网络的非线性动态系统建模方法．针对传统BP算法的局限性，提出了一种非线性动态系统神经网络改善梯度估计精度的新算法．并以上证综合指数时间序列为研究对象，运用本文提出的建模方法和算法，进行了我国资本市场混沌时间序列预测研究的实例分析，得到的单步预测上证综合指数误差很小(-100～100)；多步预测在最初的10步之内预测效果较为理想，而在此之后的预测值则严重偏离真实值．这与混沌时间序列特性相吻合，同时也证明了所用算法的有效性．     

基于BP神经网络的CMOS电路平均功耗宏模型

提出了一种基于神经网络的功耗宏模型，该模型提取CMOS（互补金属氧化物半导体）集成电路原始输入／输出流的统计特征，采用反向传播BP神经网络对电路的平均功耗建模．与传统的基于查找表和经验方程的宏模型相比，该模型占用内存少，不需要根据不同的电路预先假定拟合函数的形式．基于ISCAS-85电路集的实验结果表明：功耗估计的平均相对误差小于10％，均方根误差可基本控制在5％以下.     

微量热学方法研究E.coli(T4)生物活性系统

用微量热学方法测定了E．coli(T4)生物活性系统在LBG培养基中37℃培养的热谱曲线．根据曲线数据，经过拟合得到噬菌体增殖热动力学方程ln[Pt／(1-0．0774Pt)]=(2．258 0．05381)t／min和宿主细胞裂解动力学方程ln Pt=(4．8892-0．06621)t／min，并根据方程求出了生长速率常数k、抑制因子S和裂解速率常数kL．用量热学方法观察到了T4噬菌体的LIN现象．讨论了该研究结果在研究、生产和噬菌体治疗等方面的意义，以及量热学方法在病毒学领域的应用前景．     

基于神经网络的异常入侵检测设计与实现

讨论了神经网络在异常入侵检测中的应用，提出神经网络的设计方法，给出了系统的结构和识别方法，重点论述了神经网络实现中各环节的技术问题．实验表明该识别方法能较大提高检测率和对入侵变异的自适应性．     

细胞动力学研究Ⅴ.细胞连续增长热动力学

用微量热法测定了布鲁氏菌Ｍ５（５５０１０）和８３－９８１在２７℃和４０℃时的生长发热功率曲线．由这些生长发热功率曲线，建立了细胞有限条件下连续增长热动力学方程：ｌｎ（Ｐｍ／Ｐｔ－１）＝ｌｎ（Ｐｍ／Ｐ０－１）－ｋｔ从而求出了细菌的生长常数ｋ．这个方程非常适合“Ｓ”型的生长发热功率曲线     

反馈型自联想记忆神经网络

自联想记忆神经网络具有类似于大脑的记忆和联想的特性．在Hopfield网络的理论基础上，提出了一种反馈型的自联想记忆神经网络．和Hopfield模型不同的是，这种神经网络增加了一个隐含层来扩大网络的存储容量，并采用局部相连的拓扑结构来代替全相连，从而减少了计算复杂度．在网络的学习过程中，各神经元之间的权值按照学习规则不断地进行调整，使回忆后的输出结果更加接近期望输出、     

一种基于重置的变结构前馈神经网络

基于GaussNewton法的前馈神经网络虽然可以达到局部二阶收敛速度．但网络结构中如果结点个数过多，会造成过模拟；网络结点过少。又会导致不收敛。为了优化神经网络结构，尝试引入重置算法(Early Restart Algofithm)，并将其应用于Gauss Newton前馈神经网络．提出基于重置的Gauss Newton变结构前馈神经网络。对比实验表明，重置算法的引入有效地解决神经网络的结构优化问题，优化后的神经网络具有良好的收敛性与稳定性。     

全局优化学习算法下的高阶神经网络模型

研究了一个高阶神经网络模型，该模型采用全局优化学习算法，能使所有学习图样都成为系统的稳态吸引子，其存储容量远高于Ｈｅｂｂ－ｒｕｌｅ－ｌｉｋｅ型学习算法下的高阶神经网络模型，并能存储识别相关图样．对由３０个神经元组成的二阶神经网络系统进行了计算机模拟，模拟结果证实了上述结论．此外，还分析了初始突触强度对学习效果的影响，计算了不同存储图样数目下的平均吸引半径．     

模糊神经网络的一种快速学习算法

本文对文献[1]《一种改进的模糊参数神经网络学习算法》中提出的F-BP算法进行分析研究，提出了一种效率更好的快速F—BP学习算法．在此算法中对模糊数的计算方法进行改进，减少了模糊神经网络训练及推理中的运算量，从而提高学习效率．     

神经网络在平面布线 中的应 用

Hopfield给出N个节点完全图K，中求最短Hamilton圈的神经网络方法，若将无自环图看做K，的子图，不难求出Hamilton图的Hamilton圈.不过当节点数增多时，解神经网络动态方程常得到次优解，和Hamilton圈差一两条边，称为准Hamilton圈.利用Hamilton圈和准Hamilton圈，可以画出一个平面图的平面化图，或者将一个非平面图分解为平面化子图，以便平面布线.     

通用数字图书馆的仓储管理方案研究

在数字图书馆时代,如何保证数字资源的长期可用性和服务的稳定性,对数字资源进行有效的管理和服务,是当前数字图书馆研究中的一个热点前沿话题.在研究分析了国外数字图书馆仓储管理的几种典型解决方案后,提出了一种基于数字对象的通用数字图书馆仓储管理方案.结果表明:该方案实现了统一存储各种属性不同的数字资源,并提供了很好的资源管理和访问接口.     

基于RDF的数字图书馆内容管理

随着互联网和数字图书馆的进一步发展，对网络信息资源的描述与组织变得越来越重要，资源描述模式架（RDF）主要是为元数据（Metadata）在因特网上的各种应用提供一个基础架构，使应用程序之间能够在因特网上交换元数据，以促进网络资源的自动化处理。在介绍FDF的数据模型及语法的基础上，讨论了基于RDF的数字图书馆内容管理的关键技术、管理方式和实现机制等，并对其特点作了说明。     

一种基于数字水印的无线传感器网络数据识别传输方案

针对无线传感器网络中数据的真实性识别问题,提出了一种基于数字水印技术的无线传感器网络数据识别传输方案.为了区分正常数据包与异常数据包,定义了数字基因构造方法.利用待发送数据自身特征构造数字基因,设计了水印嵌入和检测算法,将数字基因作为数字水印嵌入到待发送数据中,实现无线传感器网络中传输数据的真实性识别.仿真实验表明,该方案能够有效地识别出注入、重放和随意修改的数据包,实现无线传感器网络中数据的有效传输.     

数字逻辑的稳健神经网络实现

多层二进前向神经网络或布尔神经网络作为典型的人工神经网络模型，研究和应用的十分广泛，这里在分析数字逻辑基本运算和神经元关系后，提出了一种改进的利用三层前向感知器神经网络实现任意数字逻辑函数的新算法，该算法由稳健的感知器构造神经网络，并引入汉明距离化简、卡诺图化简和最小项抑制来降低网络的复杂性，由此算法构造的神经网络不但具有稳健性能，而且消除了对数字输入变量所作的变换，使其更加简单、规范，容错能力更强，可广泛应用于对数字电路设计、编码密码的研究。     

几类非高斯噪声的模型分析

本文在前有的高斯噪声研究的基础上,分析了一种由高斯噪声和一种非高斯噪声迭加成的简单混合噪声的模型,并且研究了它的窄带双模过程以及数字调制系统的抗噪性能.在理论研究的基础上给出了仿真结果并进行了分析和结果讨论.     

基于人类视觉特性（HVS）的离散小波变换（DWT）数字水印算法

伴随着计算机网络通信技术的蓬勃发展,数字媒体数据的交换和传输变得日益简单且快捷.数字水印技术是一项将数字、序列号、图像标志等版权信息嵌入到数字产品信息中,用来保护数字产品版权和认证来源及完整性的新型技术.提出了一种基于人类视觉特性HVS的小波域盲数字水印算法,通过借鉴人类视觉特性HVS算法思想自适应的嵌入水印信息,能够很好地达到水印嵌入透明性和鲁棒性的平衡.通过Matlab软件实验仿真,表明该算法具有较好的透明性和鲁棒性.     

数字地图规范性质量评价探讨

遥感信息的广泛应用使数字地图的生产和更新周期明显加快,同时,因制图不规范而导致的数据产品质量问题也日益突出.基于地图制图规范和地图数字化技术规范,建立数字地图的规范性质量评价指标数据库,开发相应的分析评价模型和软件,实现数字地图规范性质量评价的定量化和自动化,有助于提高数字地图产品的规范化水平,提升数字地图产品的应用价值.     

基于Turbo码的图像数字水印技术

在详细分析数字水印系统等效信道的基础上，提出了一种基于Turbo码的图像数字水印算法．该算法利用Turbo码的纠错性能和人眼视觉特性，以实现静止图像中数字水印的嵌入和提取；在水印嵌入之前，对水印序列进行Turbo码编码，然后利用人眼视觉特性进行水印嵌入，并采用了Turbo迭代译码算法进行水印提取，最后进行了数值仿真和算法比较．实验结果表明，该算法降低了水印在传输过程中的误码率，提高了水印的抗攻击能力，同时较好地解决了水印的鲁棒性和不可见性之间的矛盾．     

128dB数控衰减器的设计

根据ＥｌｅｃｔｒｉｃＥｒａｓａｂｌｅＰｏｔ（Ｅ２ＰＯＴ）电位器的电气参数和数字逻辑电路设计原理,设计和制作了一种可用数码控制的衰减器,该衰减器操作方便,而且可准确定位,掉电后可以保持原来的状态信息,并可提供衰减量的数字显示．     

Quickly Drawing An Area From a Digital Image

ＱｕｉｃｋｌｙＤｒａｗｉｎｇＡｎＡｒｅａＦｒｏｍａＤｉｇｉｔａｌＩｍａｇｅＷａｎｇＳｈｉｊｉｅ（Ｄｅｐｔ．ｏｆＥｌｅｃｔｒｏｎｉｔｓ，ＸｉｎｊｉａｎｇＵｎｉｖｅｒｓｉｔｙ，Ｕｒｕｍｑｉ８３００４６）ＱｕｉｃｋｌｙＤｒａｗｉｎｇＡｎＡｒｅａＦｒｏｍａＤ...