布尔算子模糊逻辑中的删除策略

大量冗余子句的产生是导致归结方法低效率的根本原因．在布尔算子模糊逻辑中施行归结时，使用删除策略能够在水平浸透的过程中减少无用子句的产生，并且不牺牲归结的广义完备性，从而更快地求得子句集的恒假水平．

删除策略的相容性

本文给出关于删除策略相容性的几个结果：对相同谓词符号配相同锁的子句集，锁归结和删除策略联用完备；对正文字锁大于负文字锁的Horn集，正单元锁归结和删除策略联用完备，输入锁归结与删除策略联用完备；配锁Horn集上输入半锁归结和删除策略联用完备；标准Horn集上正单元强有序归结和删除策略联用完备，强有序输入归结和删除策略联用完备．

基于学习子句删除策略的SAT求解器分支策略

对于SAT求解器,目前流行的分支变量决策策略大多是基于冲突的变量活跃度评估算法,选择具有最大活性的未赋值变量作为决策变量,优先解决最近的冲突。但是,它们都忽略了包含决策变量的子句数目对布尔约束传播(BCP)的影响。针对此问题,提出了一种基于学习子句删除策略的分支变量决策策略(VDALCD),在删除学习子句的同时减小被删除子句中变量的活跃度。基于VDALCD策略分别对Glucose4.1,MapleLCMDistChronoBT-DL-v2.1进行改进,形成了求解器Glucose4.1_VDALCD和Maple-DL_VDALCD。以2018年、2019年SAT国际竞赛题为基准测试例,将改进版本与原版本求解器进行比较。实验结果表明,在2018年的例子测试中,Gluose4.1_VDALCD比Gluose4.1多求出26个例子,增加了15.5%。在2019年的例子测试中,Maple-DL_VDALCD比MapleLCMDistChronoBT-DL-v2.1多求出17个例子,增加了7.6%。

广义λ-归结中的删除策略

本文在广义λ-归结方法中引进删除策略,讨论了λ-蕴涵的若干性质,并证明:以λ-蕴涵为基础的删除策略不破坏广义λ-归结方法的完备性.

内容管理——素材删除策略

结合郑州电视台播控系统中关于智能化、自动化等方面的要求,为确保安全播出,方正精翰内容管理系统的应用,其中关于素材删除的策略,极大地缓解了服务器的内存压力,也在一定程度上减少了工作人员的工作量,降低了人员操作事故的发生。文章从技术和管理角度分析素材删除机制,对素材删除策略在工作中的作用进行总结。

如何部署重复数据删除策略

重复数据删除，在几年前只是一个想法，现在已经发展成为一种商品，企业组织内部很多部署了各种关于重复数据删除的数据保护和备份解决方案。这是数据中心的一种进步，可以消除其备份和存储系统的冗余数据以节省资金和提高效率。然而，如果很多数据还没有使用完成，重复数据删除是否可以用IT智能功能来确保数据正确地存储和保护呢？

SLD-博弈树及其删除策略

结合SLD-反驳和对策论的思想,提出标记逻辑程序的SLD-博弈树语义.在SLD-博弈树中,一个目标的所有支持和反对证据作为游戏双方参加博弈.对有限树,提出一种删除策略(博弈规则),根据删除过程的结果判断目标是否成立.对覆盖不循环程序,删除策略是可靠的和完备的.

神经网络超参数优化的删除垃圾神经元策略

随着深度学习处理问题的日益复杂,神经网络的层数、神经元个数、和神经元之间的连接逐渐增加,参数规模急剧膨胀,优化超参数来提高神经网络的预测性能成为一个重要的任务.文献中寻找最优参数的方法如灵敏度剪枝、网格搜索等,算法复杂而且计算量庞大.本文提出一种超参数优化的“删除垃圾神经元策略”.权重矩阵中权重均值小的神经元,在预测中的贡献可以忽略,称为垃圾神经元.该策略就是通过删除这些垃圾神经元得到精简的网络结构,来有效缩短计算时间,同时提高预测准确率和模型泛化能力.采用这一策略,长短期记忆网络模型对几种典型混沌动力系统的预测性能得到显著改善.

基于一种动态删除率的ESO方法

渐进结构优化方法 ESO(Evolutionary Structural Optimization)的基本思想是基于单元灵敏度,通过把无效或低效的单元逐步从结构中删除,从而得到优化的拓扑结构。经过20年的发展,其算法结构、理论研究以及实际工程应用领域已经取得了大量成果。在原始ESO算法中删除单元的数目是由固定删除率RR的取值决定的,设计者无法预期每一个迭代步删除单元的数量。对于一个初始满设计区域,合理的删除策略为随着迭代的进行,随着结构应力分布越均布,应该逐渐减少单元删除数量。基于此,本文构造了一种动态删除率,使得随着迭代的进行单元的删除数量逐渐减少,相对于前人构造的动态删除率更为简单明了,人为控制参数更少,并且通过算例证明该方法相比原始删除策略具有更好的优化效果。

一种改进的基于聚类的范例添加删除维护模型

随着范例库的使用,范例库中范例数目不断增大,从而导致范例检索效率直线下降,因此急需找到一个合适的策略来维护范例库。本文提出了一种改进的基于聚类的范例添加删除维护模型,有效的提高了范例检索的速度和质量。

基于势场化改进A*算法的履带式车辆路径规划算法

传统的路径规划算法为提高所得路径质量,往往采用曲线平滑化的方式,而忽略了履带式车辆跟踪连续曲线路径精度低的问题。针对这个问题,提出了基于势场化改进A*算法的履带式车辆路径规划算法。该算法将以人工势场指出局部环境下A*算法的子目标,再通过删除冗余节点策略,提高路径直线占比,引入了Reeds-Shepp曲线,约束路径的曲率使之适用于履带车辆的行驶。最后通过MATLAB软件进行仿真,并提出转角次数、直线路径占比两项评估路径质量的评价指标。仿真结果表明,该算法所得路径短,转弯次数显著下降,直线路径占比大,平均直线路径长,复杂环境下效果依然良好。

自适应径向基函数神经网络

文章根据隐节点对整个网络输出贡献的相对大小 ,提出删除策略 ,并结合资源分配网络的增长规则 ,使得径向基函数神经网络的隐节点在学习过程中可以自适应地增加或删除 ,从而形成一个网络资源较少、结构紧凑的自适应径向基函数神经网络。将该网络应用于函数拟合和非线性时间序列预测 。

基于路径搜索的格值命题逻辑自动推理方法

提出一种基于路径搜索的自动推理算法.除了采取预处理外,还采用了动态的删除策略,使对大部分路径的搜索变成对一条路径搜索.可快速地完成对一类格值命题逻辑中的任何一个子句集可满足性与不可满足性的判定.文中还讨论了该算法计算的复杂性.

格值一阶逻辑中α-语义归结方法的相容性

为优化基于格值逻辑的α-归结原理,将删除策略应用于α-语义归结方法,研究了基于格值逻辑的带有删除策略的α-语义归结方法.首先给出了带有删除策略的α-语义归结的完备性;接着,给出了带有删除策略的α-语义归结算法,并证明了该算法的可靠性和完备性;通过实例说明了该算法的可行性.

海量五层十五级瓦片移动端快速加载算法研究

针对传统四叉树加载方法在海量五层十五级遥感瓦片数据移动端加载展示过程中出现的内存溢出和卡顿问题,设计了新型五层十五级瓦片移动端快速加载算法,以实现按需动态计算待加载瓦片范围,循环加载展示;并采用缓存策略和延后删除策略保证了展示效果。实验结果表明,该算法显著提高了五层十五级瓦片在移动端的加载速度,增强了展示的流畅性,内存消耗量明显下降并保持稳定。

一种基于角度惩罚距离的高维多目标进化算法

为了使多目标进化算法在收敛性和分布性之间保持平衡,该文提出一种基于角度惩罚距离的高维多目标进化算法(Many-Objective Evolutionary Algorithm based on Angle Penalized Distance,Ma OEA-APD)。首先,综合考虑收敛性和分布性在进化不同阶段的重要性,构造一种角度惩罚距离,使两者随进化进程动态平衡;其次,开发基于删除劣质个体的环境选择策略,在提高种群分布性的同时提高收敛性;最后,根据环境选择的原理,设计与之相协调且互补的匹配选择过程,提高算法的整体进化效率。将所提算法与目前国内外性能优异的3种高维多目标进化算法进行对比,实验结果表明在WFG标准测试函数集上,该文算法相对于其他算法,综合性能有了较大的提升。

命题组相容真值指派集的自动生成

利用常规逻辑中的归结原理给出了命题组具值指派的相容性判定的一个算法，并在其中使用了删除策略以提高归结原理的效率；从而获得了确定命题组相容真值指派集的一种行之有效的方法．

YAFFS文件系统的研究与改进

通过对NANDFlash硬件特点和YAFFS文件系统的分析与研究,在遵循NANDFlash"只写一次"限制的基础上,提出改进删除页操作的新策略,给出改进的实现过程,重点涉及实现中的难点及相应的解决策略。在一款龙芯开发板上的测试表明,该改进策略能够把改写、删除和截短文件等文件系统基础操作的性能提高约40%,具有很高的实用价值。

一种RBF神经网络的自适应学习算法

建立了一种RBF神经网络的自适应学习模型。该模型事先不需要确定隐层节点的中心位置和数量,而是在学习过程中,根据相应的添加策略和删除策略,自适应地增加或减少隐层节点的数量。最终形成的网络不仅结构简单,精度高,而且具有较好的泛化能力。

小波包神经网络预测方法在瓦斯涌出量中的应用

针对煤矿井下回采工作面瓦斯积聚和瓦斯超限等严重问题,将小波包神经网络模型引入煤矿瓦斯涌出量预测中.首先由改进小波包变化对采集数据进行分解、重构并提取特征向量,然后输入到基于动态节点生成算法的RBF神经网络模型中训练学习,同时采用删除策略简化该模型,最后通过时频联合仿真验证.结果表明,WP-RBF模型在预测精度及训练误差方面明显优于QPSO-RBF模型,是一种非常适合煤矿瓦斯量预测的有效方法.