期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到7篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
交替活跃的部分连接网络休眠调度策略研究 被引量：2
1
作者 张天乐 李忠诚 殷昭印 《计算机应用研究》 CSCD 北大核心 2007年第7期270-272,共3页
提出基于交替活跃的部分连接网络的休眠调度策略,无须进行拓扑控制,支持较高的休眠/活跃比率,显著提高了网络平均寿命。给出了满足延迟要求的休眠时间表的确定方法。提出簇内休眠相位同步和簇间相位次序调整的主动调节方法。仿真表明,... 提出基于交替活跃的部分连接网络的休眠调度策略,无须进行拓扑控制,支持较高的休眠/活跃比率,显著提高了网络平均寿命。给出了满足延迟要求的休眠时间表的确定方法。提出簇内休眠相位同步和簇间相位次序调整的主动调节方法。仿真表明,该方法显著降低了端到端的延迟。 展开更多
关键词 部分连接网络 休眠调度 延迟 仿真
下载PDF
交替活跃模式网络数据转发调节机制
2
作者 张天乐 李忠诚 +1 位作者 刘敏 张永良 《计算机工程》 CAS CSCD 北大核心 2007年第10期98-100,共3页
提出了适用于具有交替活跃模式的部分连接网络的数据转发调节机制。延迟转发对于部分连接的网络是适用的,给出了延迟转发方式中的等待时间估计方法,通过基于状态机的自适应发送窗口调节方法,根据邻居的交替特征预测节点维持活跃状态的概... 提出了适用于具有交替活跃模式的部分连接网络的数据转发调节机制。延迟转发对于部分连接的网络是适用的,给出了延迟转发方式中的等待时间估计方法,通过基于状态机的自适应发送窗口调节方法,根据邻居的交替特征预测节点维持活跃状态的概率,调整转发包的速率,有效地减少了由于节点状态交替变化导致的丢包现象。网络仿真结果表明,该方法能够显著提高包递交率,并降低端到端延迟。 展开更多
关键词 部分连接网络 状态机 窗口 包递交率 仿真
下载PDF
部分连通网络流量伪装模型研究 被引量：2
3
作者 徐红云 陈建二 陈松乔 《小型微型计算机系统》 CSCD 北大核心 2004年第4期503-505,共3页
针对部分连通的网络提出了一种伪装网络流量的模型 ,并对该模型进行伪装网络流量的实现过程进行了详细的讨论 .另外 ,对由于伪装网络流量带来的费用开销作了定性的分析 .研究表明 ,该模型能够有效地伪装部分连通网络的网络流量 。
关键词 部分连通网络 流量伪装 流量矩阵 重路由 垃圾包填充
下载PDF
部分连接的无线网络路由研究 被引量：3
4
作者 张天乐 李忠诚 刘敏 《系统仿真学报》 CAS CSCD 北大核心 2006年第10期2972-2975,共4页
通过对网络节点进行组划分,提出了一种适用于部分连接网络的路由机制。将路径标记为组的序列,利用节点组之间的关系作为路由依据。网络仿真结果表明,该方法能够适应部分连接网络的特性,显著提高了数据到达率,降低传输延迟。
关键词 部分连接网络 到达率 仿真 组 组关系链
下载PDF
基于部分连接神经网络的序列数据分类算法研究 被引量：1
5
作者 张素莉 《现代电子技术》 北大核心 2016年第9期111-113,共3页
研究梳理了序列数据的定义,并且分析了5种类型的序列数据,结合局部连接神经网络的特点,研究了基于局部连接神经网络的序列数据的分类算法。使用该算法进行计算,学习与收敛速度较快,对于自适应建模与控制十分适用,利用方形基函数进行计算... 研究梳理了序列数据的定义,并且分析了5种类型的序列数据,结合局部连接神经网络的特点,研究了基于局部连接神经网络的序列数据的分类算法。使用该算法进行计算,学习与收敛速度较快,对于自适应建模与控制十分适用,利用方形基函数进行计算,在网络输出过程中注意只能利用方形函数来逼近光滑函数。由于序列数据分类运算在数据挖掘中存在巨大的优势,因此对序列数据算法的研究具有很高的理论与应用价值。 展开更多
关键词 部分连接神经网络 序列数据 分类算法 方形基函数
下载PDF
一种无特征提取的自然场景图像分类新方法 被引量：1
6
作者 王丽萍 潘伟 《厦门大学学报（自然科学版）》 CAS CSCD 北大核心 2011年第4期697-702,共6页
提出了一种新的基于部分连接神经网络的自然场景图像分类方法.运用该方法对图像进行模式识别时,不必进行特征提取,而是将整个图像输入神经网络,由神经网络在训练中透明地选择和识别特征.由于大型图形处理器(GPU)并行处理系统的运用,使... 提出了一种新的基于部分连接神经网络的自然场景图像分类方法.运用该方法对图像进行模式识别时,不必进行特征提取,而是将整个图像输入神经网络,由神经网络在训练中透明地选择和识别特征.由于大型图形处理器(GPU)并行处理系统的运用,使得神经网络演化速度大大加快,弥补了该方法计算量大的弱点.实验结果表明,利用部分连接神经网络进行场景图像分类,与利用特征提取后再识别场景的分类方法比较,在总识别率上大体相当;但不必进行特征提取,而且速度很快.并且,还运用了插值和延拓两种方法来对图像进行尺寸调整,使得神经网络可以训练和识别不同大小的场景图像. 展开更多
关键词 场景分类 部分连接神经网络 插值 延拓
下载PDF
基于部分连接神经网络的场景识别
7
作者 张月 潘伟 陈晓熹 《厦门大学学报（自然科学版）》 CAS CSCD 北大核心 2010年第4期482-486,共5页
目前基于图像的场景识别的方法都依赖于对图像特征的选取及特征数目的精简.提出了一种基于部分连接演化神经网络模型来进行图像场景识别的新方法:不对图像进行特征提取,而是将待识别图像的每个像素都作为神经网络的输入.为了克服新方法... 目前基于图像的场景识别的方法都依赖于对图像特征的选取及特征数目的精简.提出了一种基于部分连接演化神经网络模型来进行图像场景识别的新方法:不对图像进行特征提取,而是将待识别图像的每个像素都作为神经网络的输入.为了克服新方法由于大量神经元引起的模型训练时间过长问题,将基于C语言计算架构的演化神经网络模型创造性地移植到基于图形处理器(GPU)的通用并行计算构架(CUDA),神经网络的演化训练速度提高200倍以上.在实验中,尽管输入的图像大小达到300×400像素(120 000个输入神经元),但CUDA的部分连接演化神经网络对场景图像有较强的识别能力,对亮度、缩放、旋转等变化也有较好的鲁棒性. 展开更多
关键词 场景识别 部分连接演化神经网络 CUDA
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部