神经计算机并行模拟结构

神经网络实现技术是神经网络研究的一个极重要的领域。本文首先分析了神经网络模拟对并行计算机系统的要求,认为影响神经网络计算机速度和容量提高的主要因素是单个处理单元的速度、单个处理单元的局部存储器的容量以及互连网络的通信带宽。要提高模拟神经计算机的速度和容量,就要有相应的并行结构来支持。在定量的需求分析的基础上,本文还提出了一种模拟神经计算机的并行结构。     

神经网络能力研究

文献[1]～[3]中研究了神经网络的能力—存储能力。但我们认为神经网络的能力应包括存储能力和计算能力两个方面。本文对神经网络的存储能力和计算能力进行定量分析,并得出了许多有益的结论。     

物体识别不变性方法比较分析(Ⅱ)——解析方法

在文献[1]中,我们分析比较了物体识别不变性方法——统计方法。本文中,将分析比较另一类方法——解析方法。     

HJ—90总线接口设计与实现

HJ-90总线控制协议具有良好的实时响应特性,适合于各种实时性要求较严的应用场合。本文的主要内容是介绍HJ-90总线协议的总线节点接口板设计与实现。     

关于军用局部网络的开发

本文讨论了军用局部网络的开发原则问题,并就几个关键性的问题进行了讨论。最后,简单地介绍了我们所开发的一种总线型局部网。     

HJ—90总线控制协议设计

总线控制协议是高速多路串行数据总线的关键,它决定了多路串行数据总线的实时响应能力以及在高负载和低负载情况下的串行数据总线的特性。本文介绍舰载实时分布式系统的总线控制协议,即HJ-90总线协议。实验结果表明,该总线控制协议不论在高负载还是在低负载情况下,均具有良好的实时响应能力,能够满足舰载分布式指控系统的要求。同时,该协议还具有简洁性,便于实现,有利于提高系统的可靠性。     

物体识别不变性方法比较分析(Ⅰ)——统计方法

在计算机视觉与模式识别中,如何从不同的角度来识别同一物体而与该物体的位置、放置方向无关,是一个关键的课题,至今仍无很好的解决方法。本文中,我们总结了现有的方法,并将它们分为统计方法、解析方法和神经网络方法3类,并对这些方法的两个主要性能指标,即噪声敏感性和变形敏感性进行了模拟分析,模拟工作是在Masscom高速微巨机上完成的。最后,我们提出了一种新的方法。     

神经计算机容错能力分析

容错能力是计算机(传统计算机或神经计算机)能力的一个极重要的方面。本文从研究传统计算机容错技术和人脑容错特性出发,着重研究了神经计算机的容错能力,并得出了对神经计算机设计极有价值的结论。     

神经网络应用

神经网络的应用是神经网络研究的三大主要领域之一。神经网络的应用与其所具备的能力是紧密相关的。本文中,我们从介绍神经网络的基本能力开始,概括地介绍了当前的神经网络主要应用领域。并从神经网络的能力出发,讨论了神经网络的潜在的应用领域。     

物体识别不变性方法比较分析(Ⅲ)——神经网络方法

文献[1]和[2]中分别讨论了物体识别不变性方法——统计方法和解析方法。本文将讨论另一种方法——神经网络方法。