排序方式: 共有48条查询结果,搜索用时 15 毫秒
11.
12.
13.
本文介绍用多分辨力神经网络根据目标的凹(分等级的分辨力)图像探测和分类目标的方法。目标识别决策是以使能量函数最小化为基础的。在现行凹图像中可同时获得的几个分辨级上,把一个候选的斑点与目标模型库相比较,由此计算能量函数。为此,通过一个新的多层霍普菲尔德(Hopfield)神经网络,实现一个并发的(自上而下和自下而上)匹配过程。有关的能量函数不仅支持在相同分辨级的单元之间的交互作用,而且支持在不同分辨级的节点组之间的交互作用。这允许不同分辨级的特征互相证实或反驳,以便对潜在匹配的有效评定做出贡献。凝视控制,即再凹向所获得图像空间的更显著区域,由搜索与候选斑点无疑义的高分辨力的特征来实现。提供使用实际的二维(2—D)目标的试验以及它们的仿真凹图像。 相似文献
14.
15.
16.
17.
本文讨论用来测试新的自稳定桥协议操作的仿真技术并将其性能与现有的工业标准进行比较[4,24]。尤其是,有关把作为工业标准的IEEE802.1(D)生成树算法[25,26]与新近提出的以回路检测包为基础的自稳定桥协议相比较的试验研究。为这项工作选择的语言是Pascal Plus,它是提供并发程序结构(如进程和监控程序)的标准Pascal的扩展。强调通信和网络中的仿真作用并评述上述工作。研究中的问题是关于叫做桥的装置的使用,连接两个或多个局部区域网络(LAN)以便形成叫做多LAN的大型互连系统。近年来,通信系统的可靠性成为网络管理者最最关心的头等大事。为了增加多LAN范围的可靠性,通常安装并行桥,由此为相邻LAN间提供交替通道。这种方法的固有问题是可能导致用多个桥传送同一信息量给桥连接的邻接LAN和从邻接LAN传出该信息量。这可能产生重复包、不必要的通信负载,并且在某些情况形成无限的信息包循环,以致使它们跨接的信道性能急剧下降。IEEE802.1委员会已规定了解决这些问题的算法,称为生成树算法。虽然基本的物理拓扑可以是一个任意的网格,但这个方案把拓扑修剪成无循环的逻辑拓扑。该方案可这样实现:为整个系统选择单一的根(ROOT)桥,接着为每个LAN选择单一的标志桥(主动的),而所有其他并行桥处于备用状态(被动的) 相似文献
18.
19.
本文研究计算精确的飞行时间估计问题。在实现为时变速度导弹制定的各种最优制导律时,这是一个重要问题。介绍以非迭代方式修正飞行时间的递归飞行时间计算方法。该递归方法含有显式计算由非零初始航向误差产生的飞行时间误差的一种误差补偿特征。对任何导弹速度剖面,所提出方法的实现是简单而直截了当的。各种数值例子表明所提出的方法对最优制导律以及比例导航和增广比例导航都是有效的。 相似文献
20.