基于改进型脉冲耦合神经网络的关键路径求解

 在脉冲耦合神经网络(PCNN-Pulse Coupled Neural Network)的基础上,提出了改进型脉冲耦合神经网络(mPCNN-modified PCNN)模型,并将其用于AOE-网的关键路径问题的求解.该方法通过快速并行计算,一次正向计算即可求解AOE-网的所有关键路径,与传统方法相比体现了较好的优势.     

浅谈双代号网络计划时间参数的计算在桥梁施工工程中的应用

工作持续时间(符号是Dij,)是指对一项工作规定的从开始到完成的时间。最迟开始时间(LSij,ij表示工作,LS代表英文Latest Start),在不影响整个任务按期完成的情况下,工作必须开始的最迟时刻。须开始时间以及时差。我国目前在建筑工程中常采用工作计算法,只计算各项工作的最早可能开始时间和最迟必须开始时间以及时差。     

浅谈双代号网络计划时间参数的计算在桥梁旋工工程中的应用

工作持续时间(符号是Dij,)是指对一项工作规定的从开始到完成的时间.最迟开始时间(LSij,ij表示工作,LS代表英文Latest Start),在不影响整个任务按期完成的情况下,工作必须开始的最迟时刻.须开始时间以及时差.我国目前在建筑工程中常采用工作计算法,只计算各项工作的最早可能开始时间和最迟必须开始时问以及时差.     

基于着色Petri网的双向搜索关键路径算法

提出一种基于着色Petri网的双向搜索关键路径算法,首先将AOE网转换成带时间状态的着色Petri网,然后运行带时间状态的着色Petri网,分别从源点和汇点双向搜索关键路径,最后给出了对典型实例的仿真实验,结果验证了双向搜索关键路径算法的执行效率优于传统单向搜索关键路径算法．     

时延脉冲耦合神经网络在最大流问题中的应用

 在时延脉冲耦合神经网络(DPCNN-Delay Pulse Coupled Neural Network)的基础上,提出了mDC-DPCNN(modified Dual Channels DPCNN)模型,并将其成功地用于最大流网络的求解.该方法通过快速并行计算,经过反复迭代有限步后可以得到所求解的网络,与传统的算法相比体现了较好的优势.     

基于脉冲耦合神经网络的运动检测算法

在研究PCNN算法的基础上,详细论述了PCNN的数学模型与工作原理,提出了基于PCNN的运动目标检测算法,设计了基于简化PCNN模型的运动目标检测算法流程,针对模型的匹配问题,结合双阈值思想,提出白适应局部阈值方法。实验证明,该方法在目标和背景的灰度差别对比度较低的条件下,能提高目标检测的完整性,该算法较传统算法有背景建模快、抗干扰性强等优良特性、较好地解决背景的多模态问题。为以后研究PCNN提供了理论基础。     

AOE网在关系数据库中的表示及关键路径算法的实现

提出一种在关系数据库中表示AOE网的方法 ,利用数据库记录与数组内容的传递功能 ,避免了使用拓扑排序求关键路径的复杂处理 ,从而获得求关键路径的简单算法     

基于简化脉冲耦合神经网络的噪声人脸识别

利用简化脉冲耦合神经网络(S-PCNN),提出一种处理椒盐噪声污染的人脸识别新方法.首先采用S-PCNN的相似群神经元同步发放脉冲特性对原图像进行噪声检测,然后结合数学形态学实现对噪声点的消除,最后使用S-PCNN的时间序列(OTS)和欧氏距离进行人脸识别.通过计算机仿真实验表明所提算法是有效的.     

基于等分节点法的时延驱动布局算法

提出了一个新的基于等分节点法的时延驱动布局算法．该算法基于对电路时延图的拓扑结构分析,将优化关键路径时延的问题转换成优化关键路径上单元位置的问题,通过建立优化位置单元的队列链表,采用一种新的等分节点法有效地寻找路径上单元的目标位置,从而优化路径上的线网长度,最终达到优化最长路径时延的目的．另外,启发式迭代优化方法很好地统一了以线长优化和路径时延优化为目标的布局算法．对MCNC标准单元测试电路中组合和时序电路的实验结果显示,电路经过时延驱动优化布局后的最大路径时延最多减少了31%．     

基于脉冲耦合神经网络的QoS路由算法

介绍了QoS需求下路由选择的特点和神经网络在QoS路由领域的应用,分析了脉冲耦合神经网络(PCNNs)模型,在此基础上提出了一种支持QoS路由的PCNNs改进模型,并对基于此模型的QoS路由算法进行了描述和模拟.模拟结果显示:通过自衍波在神经网络中的传递可以寻找到源节点和目的节点之间满足QoS需求、代价最小的路径.     

基于多尺度空间PCNN模型的图像分割算法

运动车辆图像中车牌具有所占比例小、位置不固定和大小不一的特点,因此,对车辆图像分割时车牌区域容易产生过分割与欠分割问题.脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)被誉为"第三代神经网络"并广泛应用于图像分割.在利用PCNN模拟人类视觉的图像分割过程中,由于传统PCNN模型中的连接矩阵使用固定值表示,使得PCNN模型不能满足图像分割时尺度变化的需求.为了解决这个问题,本文提出了基于多尺度空间PCNN模型的车辆图像分割算法,将尺度空间引入PCNN模型,使PCNN模型具有了尺度特性,提高了系统自适应分割车牌图像的能力.     

节点含时滞的输出耦合复杂网络的自适应脉冲同步

针对节点含时滞的输出耦合动态网络模型,基于Lyapunov稳定性理论和时滞脉冲微分方程理论,设计了复杂网络同步自适应脉冲控制器,给出网络同步的充分条件,保证动态网络渐近同步于任意指定的网络中单独节点的状态,进而实现该网络的同步.理论推导和数值结果均表明该同步方法的有效性及可行性.     

带有非线性耦合节点和时滞的复杂网络的指数同步研究

在耦合矩阵不对称并且假设耦合指数已知的条件下,利用 Lyapunov Krasovskii稳定理论设计了一个非线性反馈控制器,使得复杂网络达到全局指数同步。通过数值仿真,证明了该同步定理的可行性和有效性。     

时滞耦合随机神经网络全局指数同步

应用矩阵的Kronecker积、线性矩阵不等式及随机微分方程等有关工具,研究了一类具离散时滞与分布时滞的随机神经网络耦合大系统的均方全局指数同步问题.综合考虑了参数的不确定性、分布时滞、随机扰动、非线性耦合等的影响,并弱化了相关文献中激励函数为严格Lipshtz或Sigma型的假定,得到该耦合大系统均方全局指数同步的一些充分性判据.所得到的结果易于通过Matlab线性矩阵不等式工具箱(LMI)进行检验.     

具有外部干扰的耦合时滞神经网络固定时间二分同步

针对结构平衡图与结构非平衡图的网络拓扑,考虑了一类具有外部干扰的耦合时滞神经网络模型,分别设计了其固定时间同步控制协议.借助固定时间稳定性理论与不等式技巧,获得了耦合网络在固定时间内达到同步的充分性判据,给出了具体的收敛时间上界,并验证了固定时间同步网络的鲁棒性与抗干扰性.为了扩大网络模型的适用性,考虑的神经网络激活函数为非连续的函数,可借助微分包含与集值李导数理论解释非连续微分方程的动力学行为.最后,分别在结构平衡图和非平衡图下对耦合神经网络的固定时间二分同步进行了数值仿真,验证了控制算法的有效性及理论结果的正确性.     

脉冲耦合神经网络在指纹图像分割中的应用

脉冲耦合神经网络（PCNN）是20世纪90年代形成和发展的一种新型神经网络。研究发现，可用PCNN的脉冲传播特性有效地解决图像处理中的不同问题。在此阐述了PCNN的原理，并提出一种基于PCNN的指纹图像分割算法，该算法有很强的适应性和抗噪性．     

基于受限制候选表的反应蚁群算法求解TSP问题

针对蚁群算法求解大规模旅行商问题(TSP)时会出现计算时间长等问题,将反应贪婪随机适应搜索机制引入蚁群算法中,提出了一种基于受限制候选表(RCL)的反应蚁群算法,其中的候选表大小可以随机选取.将蚂蚁要选择的下一点的范围控制在RCL中,避开了许多局部极小点,克服了最近邻居候选表的不足,提高了搜索效率.对大规模TSP问题进行仿真实验的结果表明该算法具有良好的性能.     

基于遗传算法求解复杂时间-空间布局问题

给空间布局问题加入时间约束的多目标、多约束化布局问题(复杂时间-空间布局问题)是NP完全问题.探讨了遗传算法在求解这一复杂问题过程中的应用,提出用分层型遗传算法处理复杂时间-空间布局问题,给出了有效的编码形式和解码运算.根据混合原则和算例,该算法优于普通的遗传算法.