改进的稀疏分布存储器模型及其学习能力分析

Kanerva的稀疏分布存储器模型 (SDM) ,由于其读写规则采用外积法 ,因此限制了它的应用 .本文对该模型进行改进 ,改变了原来的读写规则 ,保留其稀疏分布式存储的特点 ,得到一个与小脑模型 (CMAC)相似的新模型 ,但它不存在分块效应、不需要HASHING技术 .理论分析和示例表明了该改进模型的合理性和有效性     

多次可编程非易失性存储器的数据保持能力测试及其激活能分析

基于180 nm BCD工艺平台设计开发了32 Kibit的多次可编程(MTP)非易失性存储器(NVM)。详细描述了存储单元的结构设计特点、操作机理及影响非易失性的关键因素。测试并量化了其在高温条件下的数据保持能力,并根据Arrhenius模型设计了高温老化试验,进而计算其浮栅上电荷泄漏的激活能。经过10⁴次重复编程和擦除循环后,MTP NVM样品的高温数据保持(HTDR)能力验证结果表明该MTP NVM产品具有很好的可靠性。通过高温老化加速试验,计算出分别在100、125和150℃条件下样品的数据保持时间,并对1/T与数据保持时间曲线进行数学拟合,计算出在该180 nm BCD工艺平台下浮栅上电荷泄漏的激活能。     

一个改进的用于铁电存储器设计的铁电电容宏模型

从描述铁电电容的P-V滞回特性出发,本文在ZSTT宏模型的基础上提出了一个改进的铁电电容宏模型,并成功利用此模型对铁电存储器(FeRAM)进行了电路优化和电路模拟.最后将试图对此模型做进一步的推广,以模拟铁电存储器在另一种新读写过程中的操作.     

基于解析电导率模型的相变存储器SPICE模型

在相变存储器的外围电路设计中,相变存储单元的电路模型是连接器件与电路的桥梁。在本文中,提出了一种基于解析电导率模型的相变存储器电路模型,与前面的工作相比,该模型利用解析电导率模型代替了使用传统模型中需要利用测试结果建模的缺点,可以通过材料的参数计算相变存储单元的电阻,能够反映相变材料中的载流子传输特性。同时,基于等温假设,提出了解析温度模型,并基于JMA方程建立的相变动力学模型,结果表明,该模型能够进行相变存储单元瞬态与稳态电路仿真,并与测试结果符合较好。     

一种用于相变存储器仿真的SPICE模型

本文提出了一种用于相变存储器仿真的SPICE模型,该模型基于Verilog-A描述语言,通过对相变存储单元在编程过程中的热分布、阈值效应以及结晶理论的分析,该模型系统地概括了影响相变存储单元编程过程的各种因素。模拟结果表明,该模型的仿真结果与实验数据基本符合,同时,该模型还能直观地反映出相变存储单元在编程过程中的温度特性和结晶特性,能更直观地反映出相变存储器的工作原理和工作过程。     

分布反馈半导体激光器电路模型

以周期波导结构的耦合模方程及载流子密度速率方程为基础,在适当的假定条件下,本文得到一个比较简单的适于无内部相移的折射率耦合单模分布反馈半导体激光器电路模型.用本模型得到的模拟结果与已报道的结果符合很好.     

基于时间序列分析的动态分布平滑方法

 统计语言模型在实际应用中显示出了不俗的效果,但由于语言的灵活性,模型的数据稀疏问题始终不能避免,现有的平滑方法只考虑了模型中元素出现的频数,没有考虑到语言的使用是随着时间变化的.本文分析了模型中词语随着时间的变化而出现的频数变化情况,利用时间序列模型分析中的预测方法获得下一个阶段的数据来估计模型的参数,提出了一种对在时间线上频数增加的词语增加概率值,对频数减少的则降低概率值的动态分布平滑方法.实验数据显示,本平滑方法具有一定的优越性.     

Flash存储器抗60Co γ射线总剂量能力的分析

为了比对分析多家厂商生产的NAND型Flash存储器的抗辐照能力和数据保持能力,选择了3种规格(代号为A,B和C)的商业级Flash存储器作为研究对象,设计了故障测试算法,研究了3种Flash存储器的抗6Co γ射线总剂量的能力.首先研究了存储器经常出现的各种故障模型,并设计了相应的故障测试算法;其次搭建了以数字信号处理器(DSP)为核心的硬件测试电路;最后以6Co γ射线作为器件的辐照源,利用设计好的故障测试算法对辐照环境下的Flash存储器在总剂量值每增加10 krad (Si)后进行一次故障检测.结果显示,B和C器件在总剂量值达到20 krad (Si)时开始出现故障,40 krad (Si)时出现数据的0→1翻转,70 krad(Si)时翻转率高于2％;A器件在40 krad (Si)时开始出现故障,70 krad (Si)时出现0→1翻转,翻转率为0.6％.从抗辐照能力和数据保持能力两个角度观察认为,商业级的A器件要优于B和C器件.     

Nakagami-m分布衰落信道的FSMC模型及其性能分析

本文将一阶FSMC(有限态Markov信道)模型引入Nakagami—m分布衰落信道的仿真中,并且分析对比了采用 FSMC模型后Nakagami—m分布衰落信道的电平穿越速率与输出误码率等指标,给出了状态转移概率的理论值与仿真值,说明FSMC模型在Nakagami—m分布衰落信道仿真中的可行性。     

试论增强高中生计算机学习能力的可行对策

伴随计算机技术的飞速发展,如今已被广泛应用于社会各个领域、各个行业之中,不仅为人们的工作与生活带来了极大的便利,更在推动整个社会发展的进程发挥了极其重要的作用.因此在新课改不断深化的背景下,如何增强高中生计算机学习能力也就日益受到了广泛的关注.而高中阶段作为人生发展的重要阶段之一,同时也是高中学生学习、掌握计算机知识的最佳阶段.所以,研究增强高中生计算机学习能力的可行对策,具有尤为重要的意义.     

中专计算机教学提升学生学习能力的研究

随着现代化计算机技术的飞速发展,各类学校更加注重在计算机教学过程中对学生能力的培养,中专学校也不例外。本文基于中专学校现状特征,探讨了计算机教学如何有效的引导学生掌握综合学习能力,达到事半功倍的教学效果,对推动计算机教学与时俱进不断发展,培养出综合素质全面的新时期人才,有重要的实践意义。     

利用改进的电荷泵法研究SONOS存储器陷阱电荷的分布特性

在silicon-oxide-nitride-oxide-silicon(SONOS)等电荷俘获型不挥发存储器中,编程操作后注入电荷的分布会对器件的读取、擦写以及可靠性带来影响.利用电荷泵方法可以有效而准确地测量出注入电荷沿沟道方向的分布.为了提高测试精度,在进行电荷泵测试时,采用固定低电平与固定高电平相结合的方法,分别对SONOS器件源端和漏端进行注入电荷分布的测试.通过测试,最终获得SONOS存储器在沟道热电子注入编程后的电子分布.电子分布的峰值区域在漏端附近,分布宽度在50nm左右.     

DDN前景提取结合映射模型学习的行人再识别

随着视频监控设备的广泛应用,行人再识别成为智能视频监控中的关键任务,具有广阔的应用前景。该文提出一种基于深度分解网络前景提取和映射模型学习的行人再识别算法。首先利用DDN模型对行人图像进行前景分割,然后提取前景图像的颜色直方图特征和原图像的Gabor纹理特征,利用提取的行人特征,学习不同摄像机之间的交叉映射模型,最后通过学习的映射模型将查寻集和候选集中的行人特征变换到一个特征分布较为一致的空间中,进行距离度量和排序。实验证明该算法能够提取较为鲁棒的行人特征,可克服背景干扰问题,行人再识别匹配率得到有效的提高。      

块稀疏贝叶斯模型下的跳频信号时频分析

针对传统时频分析方法存在的时频聚集性差以及交叉项干扰的问题,本文将接收到的跳频信号进行分割,构建时频稀疏模型,利用模型中的统计特性和结构特性采用块稀疏贝叶斯学习算法对跳频信号的时频图进行重构,在不需知道稀疏度和噪声强度的情况下,得到了高精度的时频图。但是由于算法在高维参数空间进行参数估计时复杂度较高,本文采用近似替换的方法对该算法进行改进,将高维参数空间转换到原始参数空间计算,大大减少了算法的复杂度,仿真结果表明改进算法在低信噪比的情况下能有效的得到跳频信号的高精度时频图且复杂度大大降低。      

复制模型及其度分布的统计规律

基于复制机制在网络增长中的重要性,通过计算机对完全复制模型和部分复制模型做了大量的模拟,并采用经验统计的方法对庞大的计算机模拟数据做统计分析,来研究两种复制模型入度的结点度分布、扰动和发散规律,结果显示:两种复制模型的入度分别服从衰减指数γ=2和γ=3.5(p=0.5)的幂律分布,且入度分布完全独立于演化时间或网络规模;两种模型的小度结点个数都服从正态分布;完全复制模型的最大入度不具有随机性,而部分复制模型的最大度数服从对数正态分布;给出了最大度关于时间t的一个经验公式E[km(t)]～Cp.t。     

神经网络中将任务学习与模型学习相结合的E-H和E-H-W学习方法

本文从获取好的神经网络泛化能力出发,首先提出了将Hebbian学习与增加问题复杂性统一起来的思想,并通过在总的误差函数中增加一限制函数来实现Hebbian学习.基于此,提出了一种将误差驱动的任务学习与Hebbian规则的模型学习相结合的E-H方法.然后,根据模型学习应同时考虑减小网络复杂性和增加问题复杂性的思想,又提出了一种将误差驱动的学习与Hebbian规则、简单的权退化法结合起来,共同来提高神经网络的泛化能力的E-H-W方法.最后通过大量实例仿真将它们与纯误差驱动的方法、权退化法、其它文献中的相关方法进行了比较.结果表明我们的方法具有最好的泛化能力,是很有效的神经网络学习方法.     

基于改进主题分布特征的神经网络语言模型

在递归神经网络(RNN)语言模型输入中增加表示当前词所对应主题的特征向量是一种有效利用长时间跨度历史信息的方法。由于在不同文档中各主题的概率分布通常差别很大,该文提出一种使用文档主题概率改进当前词主题特征的方法,并将改进后的特征应用于基于长短时记忆(LSTM)单元的递归神经网络语言模型中。实验表明,在PTB数据集上该文提出的方法使语言模型的困惑度相对于基线系统下降11.8%。在SWBD数据集多候选重估实验中,该文提出的特征使LSTM模型相对于基线模型词错误率(WER)相对下降6.0%;在WSJ数据集上的实验中,该特征使LSTM模型相对于基线模型词错误率(WER)相对下降6.8%,并且在eval92测试集上,改进隐含狄利克雷分布(LDA)特征使RNN效果与LSTM相当。     

无线传感器网络中不同节点分布模型的性能分析

针对传感器网络中较为关心的生存时间和覆盖率问题,对不同分布模型下的网络性能进行了分析。根据传感器网络中节点密度的分布规律,基于传统的分簇LEACH协议,选择对均匀分布、一次衰落和0.5方衰落三种随机分布场景下传感器网络的生存时间、覆盖率等指标进行了研究,仿真实验表明:对于三种传感器节点的撒布模型:一次衰落模型网络生存时间最长,但覆盖率最低;均匀分布网络生存时间最短,覆盖率最高;0.5次衰落模型下两项性能折中,更加符合现实需求。