A NOVEL MULTI-VALUED BAM MODEL WITH IMPROVED ERROR-CORRECTING CAPABILITY

A Hyperbolic Tangent multi-valued Bi-directional Associative Memory (HTBAM)model is proposed in this letter. Two general energy functions are defined to prove the stabilityof one class of multi-valued Bi-directional Associative Memorys(BAMs), with HTBAM being thespecial case. Simulation results show that HTBAM has a competitive storage capacity and muchmore error-correcting capability than other multi-valued BAMs.

Key-Value型NoSQL本地存储系统研究

NoSQL系统因其高性能、高可扩展性的优势在大数据管理中得到广泛应用,而key-value(KV)模型则是NoSQL系统中使用最广泛的一种存储模型.KV型本地存储系统对于以机械磁盘为持久化存储的情形,存在许多性能优化技术,但这些优化技术面对当前的硬件发展新趋势,如多核处理器、大内存和低延迟闪存、非易失性内存NVM(Non-Volatile Memory)等,难以充分发挥新硬件的优势,如数据索引、并发控制、事务日志管理等技术在多核架构下存在多核扩展性问题,又如数据存储策略不适应闪存SSD(Solid State Drive)的新存储特性而产生了IO利用率低效的问题.针对多核处理器、大内存和闪存、NVM等硬件发展新趋势,文中面向当前的大数据应用背景,综述了KV型本地存储系统在索引技术、并发控制、事务日志管理和数据放置等核心模块上的最新优化技术和系统研究成果.从处理器、内存和持久化存储的角度概括了KV型本地存储系统当前存在的最优技术,总结了当前研究尚未解决的技术挑战,并对KV型本地存储系统在CPU缓存高效性、事务日志扩展性和高可用性等方面的研究进行了展望.

基于多分辨奇异值分解和ECNN-LSTM的滚动轴承寿命预测

针对现有滚动轴承剩余寿命预测时寿命特征表征能力不足的问题,提出了多分辨奇异值分解和ECNN-LSTM的滚动轴承剩余寿命预测方法。首先,采用多分辨奇异值分解方法获取滚动轴承全寿命振动时域信号中具有不同分辨率的近似和细节信号,以多分辨展现信号不同层次的概貌和细节特征;其次,根据初时刻标准差划分健康阶段,划分出滚动轴承平稳运行阶段和能提供退化信息的快速退化阶段;然后,在两层一维卷积神经网络结构上加入高效通道注意力机制模块,在不降维的情况下自适应调整卷积核进行多通道交互,充分自提取轴承退化特征;最后,利用MSE损失函数统一评价尺度,在LSTM上完成剩余寿命预测。通过辛辛那提全寿命数据进行验证,证明了所提方法的可行性和有效性。

基于奇异值分解的磁记忆信号特征提取方法

针对金属磁记忆信号容易受到环境噪声影响,使得缺陷信号可检测性降低的情况,首先,利用传统的奇异值分解方法对场桥主梁磁记忆信号进行分解和重构,发现尽管可以取得较为理想的降噪效果,但如何自适应确定重构时的奇异值个数仍存在困难;然后,将磁记忆信号按照二进递推方法构造矩阵,重复进行奇异值分解可以获得具有不同分辨率的近似信号和细节信号,从而形成多分辨奇异值分解,其中细节信号对应磁记忆中的噪声成分,近似信号为去除噪声之后的有效磁记忆信号,从而实现了磁记忆信号的降噪。将该方法用于某场桥主梁磁记忆信号的处理,有效地提高了重构信号的信噪比,准确地判断出了该主梁的应力集中区域,为评估其应力状态和早期故障诊断奠定了基础。

推广的多值指数双向联想记忆模型及其应用

推广了Wang的多值指数双向联想记忆(multi-valued exponential bi-directional associative memory,简称MV-eBAM)模型,使其成为所提出的推广的多值指数双向联想记忆 (extended MV-eBAM,简称EMV-eBAM) 模型的一个特例.EMV-eBAM具有比前者更高的存储容量和纠错性能,因此利用这种性能,设计了一种基于联想记忆的新型图像压缩算法.该算法在无噪声情况下具有与矢量量化(vector quantization,简称VQ)算法相近的性能,而在双重(信道和图像)噪声环境下则具有显著的抑制效果.对比实验结果显示,在添加5%椒盐噪声下,该算法几乎能完全排除噪声干扰,而VQ则反而放大了噪声.该算法的另一个优点是,当在差错信道中传送时,可以获得比采用循环纠错码更强的纠错性能.因而,该算法具有较强的鲁棒性.

多重加权多值指数双向联想记忆网络及其表决性能

Wang和陈等利用各自提出的二值指数双向联想记忆模型 (e BAM)及其改进型 e BAM(Ie BAM) ,分别构造了由多个 e BAM和 Ie BAM组成的多重 e BAM(Multi- e BAM)和多重 Ie BAM(Multi- Ie BAM)的信念组合模型 ,使之可模拟多个专家的表决 .该文在此基础上 ,借助陈提出的多值 e BAM(MVe BAM) ,提出了多重多值 e BAM(Mul-ti- MVe BAM) ,对 Multi- e BAM和 Multi- Ie BAM进行了两方面的推广 :一是将二值表示推广到多值表示 ,以此可以处理现实中的多值数据 ;二是将原有模型中具有同等权威度的各专家推广到各具不同的权威度的专家 ,以此模拟更实际的表决情形 .文中借助能量函数证明了所提模型的渐近稳定性 ,以保证其实际可用 .计算机模拟证实了模型的可行性 .

一般多值双向联想记忆模型及其在IP地址识别中的应用

通过引入模式相似度的概念,给出了一个一般的多值双向联想记忆模型.该模型囊括了Wang的指数式多值双向联想记忆(Mv-eBAM)以及多项式多值双向联想记忆(PBHC),并衍生出几种新的多值双向联想记忆模型,即正切联想记忆(HTBAM)和柯西联想记忆等.其中侧重对比讨论了HTBAM和Wang的PBHC模型,模拟结果显示HTBAM具有和PBHC相当的存储容量,且纠错性能显著提高.最后利用此性能,将HTBAM用于IP地址识别中,给出了一种新颖的联想IP路由查找方法.

基于认知的联想记忆仿真研究

在对联想记忆神经网络的研究中,为提高现有联想记忆网络的存储能力以及相似模式和多值模式的联想成功率,提出了一种新的联想记忆网络。样本模式信息存储在动态权值矩阵中,网络根据不同的输入模式可自适应地调节当前权值矩阵。与传统联想网络相比,输入模式的信息不仅给出了联想记忆的初值,且在联想记忆过程中起到启发式搜索的作用,使网络的存储能力和联想成功率得到较好的改善。尤其可以有效地实现相似模式以及多值模式的联想记忆功能。仿真结果验证了方法的有效性。

单电子晶体管的制备、集成与电路研究

我们制备出了高温Si单电子晶体管,研究了单电子晶体管的集成原理,实现了14个单电子晶体管的串联集成和2个单电子晶体管的并联集成。同时也研究了单电子晶体管与传统高迁移率晶体管的集成方法和技术,发现可用单个电子来调控传统晶体管的栅对源漏极电流的控制能力(跨导),利用单电子晶体管的集成方法,建立了对电荷超敏惑的探测技术(包括超敏感的库仑计),实现了单电子存储器中的单电子过程的探测,并设计了一种新型的多值存储器。

多价值链视角下基于深度学习算法的制造企业产品需求预测

多价值链协同发展背景下,制造企业没有充分考虑服务链、营销链等其他价值链对产品需求的影响。为提高制造企业产品需求预测的精度,提出了产品数据空间和一维卷积神经网络(one-dimensional convolutional neural networks,1D-CNN)-长短期记忆(long short-term memory,LSTM)神经网络的深度学习算法。首先,整合不同价值链对产品需求影响的相关数据构建产品数据空间。其次,从数据空间中获取多链数据集用于1D-CNN-LSTM模型的预测。其中,1D-CNN通过两次卷积池化操作获取数据的深层次特征,LSTM则通过进一步学习数据特征中的重要信息来进行时间序列预测。最后,通过某电气设备制造企业生产销售的环网柜产品的相关数据进行算例分析,并与其他几种模型进行预测结果比较。结果表明:1D-CNN-LSTM模型的预测效果优于神经网络模型和单一的LSTM模型。可见提出的1D-CNN-LSTM深度学习模型更具优越性,预测效果好。

Al_(2)O_(3)/HfO_(2)薄膜多值阻变存储特性

采用磁控溅射和金属剥离工艺制备结构为P-Si/HfO_(2)/Ti和P-Si/HfO_(2)/Al_(2)O_(3)/Ti的阻变存储器,两器件均表现出双极性电阻转变特性.插入的Al_(2)O_(3)层使得高阻态导电机制从空间电荷限制电流导电向肖特基发射控制导电转变,器件高低阻态阻值比从约61倍提高到约2.15×10^(8)倍.通过限制set电流的方式实现多值存储,器件的4个阻态都能够非常稳定地在85℃高温下保持10^(4) s,有利于多值存储的实际应用.