版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、人工神經(jīng)網(wǎng)絡(luò)在優(yōu)化控制和模式識(shí)別方面得到了廣泛的應(yīng)用。本文對(duì)人工神經(jīng)網(wǎng)絡(luò)方法在ATM(AsynchronousTransferMode,異步傳輸模式)信元優(yōu)化調(diào)度和三維物體相位特征識(shí)別中的應(yīng)用進(jìn)行了研究。 1.基于神經(jīng)網(wǎng)絡(luò)的信元優(yōu)化調(diào)度:在多重隊(duì)列中采用每條入線在同一個(gè)時(shí)隙內(nèi)可傳送多于一個(gè)信元的策略,提出了兩種新的Hopfield神經(jīng)網(wǎng)絡(luò)的能量函數(shù),進(jìn)而利用Hopfield神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)對(duì)信元的控制和調(diào)度。計(jì)算機(jī)仿真模擬比較表明,
2、我們所提出的這兩種方法均提高了吞吐率,減少了信元時(shí)延,并降低了信元丟失率,消除了隊(duì)頭阻塞造成的性能惡化,提高了ATM交換結(jié)構(gòu)的性能,實(shí)現(xiàn)了信元整體上的優(yōu)化排程控制。由于Hopfield神經(jīng)網(wǎng)絡(luò)易于電子或光電技術(shù)實(shí)現(xiàn),交換結(jié)構(gòu)和緩沖器也無(wú)需加速,因此,這兩種方法不失為有效的信元優(yōu)化調(diào)度方案。 2.基于神經(jīng)網(wǎng)絡(luò)的相位特征識(shí)別:提出一種基于人工神經(jīng)網(wǎng)絡(luò)的三維物體相位特征識(shí)別方法。首先利用波長(zhǎng)掃描數(shù)字全息技術(shù)提取物體的相位特征,然后將物
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于特征提取和神經(jīng)網(wǎng)絡(luò)的手寫(xiě)數(shù)字識(shí)別.pdf
- 神經(jīng)網(wǎng)絡(luò)在VBR視頻通信量預(yù)測(cè)和信元調(diào)度中的應(yīng)用.pdf
- 基于特征融合和神經(jīng)網(wǎng)絡(luò)的掌紋識(shí)別方法研究.pdf
- 基于矩特征和BP神經(jīng)網(wǎng)絡(luò)的步態(tài)識(shí)別技術(shù)研究.pdf
- 基于特征模糊化和神經(jīng)網(wǎng)絡(luò)的特征選擇.pdf
- 基于DE優(yōu)化的神經(jīng)網(wǎng)絡(luò)信號(hào)調(diào)制識(shí)別研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的遙感圖像分類(lèi)和基于結(jié)構(gòu)特征的水體識(shí)別.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的語(yǔ)音識(shí)別在WinCE上的實(shí)現(xiàn)和優(yōu)化.pdf
- 基于小波變換和人工神經(jīng)網(wǎng)絡(luò)的腦電特征波識(shí)別.pdf
- 基于小波分析的矩特征和神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別.pdf
- 基于主元分析和神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法研究.pdf
- RBF神經(jīng)網(wǎng)絡(luò)的面部特征識(shí)別研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的梯級(jí)水電站短期優(yōu)化調(diào)度研究.pdf
- 基于改進(jìn)LP倒譜特征和神經(jīng)網(wǎng)絡(luò)的語(yǔ)音識(shí)別算法研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的行人檢測(cè)和識(shí)別研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別和分類(lèi).pdf
- 基于倒譜距離特征和卷積神經(jīng)網(wǎng)絡(luò)的語(yǔ)音情感識(shí)別研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的調(diào)制信號(hào)識(shí)別.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的遙感影像識(shí)別.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的指紋識(shí)別.pdf
評(píng)論
0/150
提交評(píng)論