摘要：设计一种多层反馈神经元网络，它用于自联想记忆时，具有很多优点，如记忆样本均为稳定状态；吸引半径达到最大值；无伪稳定状态以及全局稳定性等．

摘要：本文给出了一种基于圆曲线的摄像机自定标的新方法。设计了一个含有三个两两不包含的圆(其中圆心和半径大小是未知的)的平面模板,让摄像机在三个以上的不同方位观察该模板,然后利用模板的图像来求解摄像机的内参数。文中,首先介绍了三维摄影空间中绝对二次曲线和圆环点的相关知识,接着推导出摄像机内参数的约束方程,最后又详细讨论了圆环点及其图像的求法。其中关键技术是通过求解像曲线的切线确定圆心图像的像素坐标,然后确定圆环点图像坐标来实现摄像机的定标。模拟实验和真实图像实验也表明,本方法具有很好的鲁律性。由于所用模板中的圆不需要精确定位,因此该模板易于制作。由于该技术对摄像机的运动没有限制,因此,它可以在一般的实验平台上实现。

摘要：该文借助于遗传算法的理想浓度模型以及由此模型对遗传算法的机理的分析 ,给出了遗传算法的运行机理及特点 ,即遗传算法是一个具有定向制导的随机搜索技术 ,其定向制导的原则是 :导向以高适应度模式为祖先的“家族”方向 .以此结论为基础 ,利用数论中的佳点集的理论和方法 ,对 GA算法中的交叉操作进行了重新设计 ,给出了一个新的 GA算法 ,称之为佳点集遗传算法 .最后作者将佳点 GA算法应用于求解优化问题、SAT问题、TSP问题和背包问题 ,并与其它求解 SAT算法进行比较 .通过模拟比较 ,可以看出新的算法不但提高了算法的速度和精度 ,而且避免了其它方法常有的早期收敛的现象 .这说明作者对 GA算法机理的理解和佳点 GA算法可能为 GA算法的研究开辟一条新的途径 .

摘要：文章根据多层前向权、阈值神经网络的设计原则，将设计过程分成两步进行：先用尽可能少的领域将样本中的各类分隔开来，然后再用作者提出的交叉覆盖算法进行网络设计．文章给出两个很有代表性的模拟例子，一个是平面上两根螺线的分离问题，另一个是“无穷样本学习”的例子．

摘要：遗传算法可以看成是在某个空间求最大值的搜索技术。本文从理论上分析了在搜索技术中 ,用格点法比纯随机法好 ,并用格点理论 (佳点是格点的一种 )设计了遗传交叉算子。模拟结果显示 ,与传统的纯随机法实现交叉操作的遗传算法相比 ,本文算法不仅在效率、精度上有所提高 ,而且克服了“早熟”现象。

摘要：This paer gives an artificial network(RCSN)combining rough set theory and covering design algorithm,which reduces condition attribute using rough set theory and designs the structure of neural network with covering de-sign algorithm. An instance shows this kind of network has the advantages of fast computation and high accuracy ;themethod also can cut down the occupying of memory and the cost of data collecting.

摘要：文章提出了一种应用人工神经网络进行入侵检测分类器设计的新方法,即采用多层前向网络的交叉覆盖算法进行入侵检测分类器的设计。该算法克服了传统BP算法的收敛速度慢,易陷入局部最小点的问题。实验结果表明,该分类器用于入侵检测,效果良好,学习速度快,分类准确率高,为实现入侵检测分类器提供了一条准确高效的途径。

摘要：攻击者将设计好的对抗样本(即虚假用户)注入目标推荐系统以达到非法目的,严重影响推荐系统的安全性和可靠性.实际场景中攻击者难以获取目标模型的详细知识,利用梯度优化在局部代理模型中生成对抗样本成为一种有效的黑盒攻击策略,然而,这些方法存在梯度陷入局部极小值的问题,限制了对抗样本的迁移能力,降低了攻击的有效性,并且往往没有充分考虑生成的对抗样本的不可察觉性.针对这些挑战,提出一种新的攻击算法PGMRS-KL,结合预梯度引导的动量梯度优化策略和Kullback-Leibler(KL)散度约束的假用户生成.具体地,将累积的梯度方向与上一步的梯度方向相结合以迭代更新对抗样本,并利用KL损失最小化假用户数据与真实用户数据之间的分布距离,实现对抗样本的高可迁移性和不可感知性.实验结果证明,提出的方法在攻击可转移性和不可察觉的虚假用户数据生成方面优于最先进的基于梯度的攻击算法.

摘要：本文将网络的先验知识和网络的样本集知识有机结合起来，提出“附加样本”的神经网络新学习算法，其计算复杂性仅为多项式（上界≤Ｏ（ｎ４），用该算法可以设计出性能更好的神经网络．本文第１节简单介绍ＦＰ算法以及ＦＰ覆盖算法，第２节提出ＦＰ统计附加样本算法．最后举一例子说明用该算法可以设计出性能良好的网络．

摘要：目前人工神经网络模型学习与训练时间长，收敛性难以保证，网络鲁棒性差，存在局部极小。尤其当网络规模增大时，上述缺点变得尤为严重。为克服上述缺陷，提出了一组新的方法，即利用训练样本集提供的全局知识，通过不同数学工具，设计网络的结构与参数。结果表明，这套方法可以达到很好的效果，是改进人工神经网络性能的一种有效途径。