感知器神经网络线性可分判断的满足性算法

感知器神经网络有着广泛的应用前景,是人工神经网络的重要组成部分。同时感知器神经网络对与现代计算机新的硬件设计也有重要研究意义。感知器神经网络的线性可分判断是感知器领域一个重要的研究内容。文章对满足性问题进行研究,把满足性算法应用于感知器神经网络的线性可分判断,提出布尔函数线性可分性判断的逻辑满足性算法。

一个维数大于1的Sierpinski地毯的Hausdorff测度的估计

得到一个维数大于1的Sierpinski地毯的Hausdorff测度的估计:当维数s=log_34时,这个Sierpinski地毯的Hausdorff测度满足:1.227206≤H^(log_34)(S)≤1.501077.