您当前所在位置: 首页 > 学者
在线提示

恭喜!关注成功

在线提示

确认取消关注该学者?

邀请同行关闭

只需输入对方姓名和电子邮箱,就可以邀请你的同行加入中国科技论文在线。

真实姓名:

电子邮件:

尊敬的

我诚挚的邀请你加入中国科技论文在线,点击

链接,进入网站进行注册。

添加个性化留言

已为您找到该学者20条结果 成果回收站

上传时间

2010年07月19日

【期刊论文】Java语言与人工神经网络应用*

张雨浓, 徐小文, 毛宗源

暨南大学学报(自然科学版),1998,19(1),108~112,-0001,():

-1年11月30日

摘要

从控制工程的角度,概括介绍了作为国际互联网的最新核心技术之一的Java语言的特点和发展,并具体结合人工神经网络的仿真与实现,以实际例子论述其在科学研究中将发挥的巨大效用和带来的新思想。

国际互联网, BP 神经网路, 多线程, 面向对象程序设计, 神经元模型

上传时间

2010年07月19日

【期刊论文】A set of nonlinear equations and inequalities arising in robotics and its online solution via a primal neural network

张雨浓, Yunong Zhang *

Neurocomputing 70(2006)513-524,-0001,():

-1年11月30日

摘要

In this paper, for handling general minimum-effort inverse-kinematic problems, the nonuniqueness condition is investigated. A set of nonlinear equations and inequality is presented for online nonuniqueness-checking. The concept and utility of primal neural networks (NNs) are introduced in this context of dynamical inequalities and constraints. The proposed primal NN can handle well such a nonlinear online-checking problem in the form of a set of nonlinear equations and inequality. Numerical examples demonstrate the effectiveness and advantages of the primal NN approach.

Minimum effort inverse kinematics, Nonuniqueness, Discontinuity, Nonlinear equations and inequalities, Primal neural network

上传时间

2010年07月19日

【期刊论文】面向WWW的Java客户在线交谈系统

张雨浓, 徐小文, 黄磊, 毛宗源

《微计算机自信》,1998,14(2):20~22,-0001,():

-1年11月30日

摘要

本文介绍了国际互联网WWW和其最新核心技术之一的Java语言的现状和发展,提出了一种将JavaApplet与WWW有机结合起来的客户在线交谈系统的方案,并结合具体情况讲述该交互系统在Internet(尤其是WWW)中的改进与多方面应用。

Internet WWW Java Applet Browse/, Server

上传时间

2010年07月19日

【期刊论文】简述协处理器发展历程及前景展望

张雨浓, 马伟木, 李克讷, 易称福

中国科技信息,20085,(13),-0001,():

-1年11月30日

摘要

简述了协处理器的概念、任务、发展历程和现状,探讨了协处理器之所以引起人们重视和再重视的原因及其优势,简单介绍和展望了如何用FPGA等类型协处理器构建高性能计算平台。

协处理器, 专用处理芯片, 浮点单元, 高性能计算, 现场可编程门阵列

上传时间

2010年07月19日

【期刊论文】梯度神经网络求解Sylvester方程之MATLAB仿真

张雨浓, 杨逸文, 陈轲, 蔡炳煌

系统仿真学报,2009,21(13): 4028~4031、4037,-0001,():

-1年11月30日

摘要

近年来,国内外学者发表了许多关于线性代数问题实时求解的方法,其中包括了矩阵求逆和线性方程组的并行求解方法。在研究了基于梯度法的递归神经网络用于Sylvester矩阵方程的实时求解后,通过使用Kronecker乘积和矩阵向量化等技术进行了MATLAB仿真从而验证了相关理论分析。计算机仿真的结果证实了这类神经网络方法在解决Sylvester矩阵方程中的有效性和高效率(特别是在使用幂S型激励函数的情况下)。

基于梯度法的递归神经网络, Sylvester方程, Kronecker乘积, 向量化, MATLAB 仿真

合作学者

  • 张雨浓 邀请

    中山大学,广东

    尚未开通主页