1) asynchronous network model
异步网络模型
1.
This paper focuses on issue on consistent global snapshots and stable property detection in asynchronous network model.
首先介绍了分布式算法的相关概念和分布式算法的分类,然后根据同步模型和异步模型的特点,分别讨论了两种模型的研究方法,重点研究了异步网络模型中的一致性全局快照与稳定属性检测的问题,详细解释并改进了异步网络模型A算法的终止检测镜像算法,同时分析了算法的时间及通信复杂度。
2.
The asynchronous network model of distributed algorithm is an input/ output automaton model,every point transfers status and data information to each other.
分布式算法的异步网络模型是一个输入/输出自动机模型,节点之间靠消息传递状态和数据信息。
3.
This paper focuses on issues on consistent global snapshots and stable property detection in asynchronous network model.
文中首先介绍了分布式算法的相关概念和分布式算法的分类,然后根据同步模型和异步模型的特点,分别讨论了两种模型的研究方法,重点研究了异步网络模型中的一致性全局快照与稳定属性检测的问题,详细解释并改进了异步网络模型A算法的终止检测镜像算法,同时分析了算法的时间及通信复杂度。
2) asynchronous networks
异步网络
1.
With the deeper understanding of verifiable secret sharing system,people begin to reconsider the traditional assumption of synchronous network and begin to study on the new models of asynchronous networks.
随着对可验证秘密共享系统认识的不断加深,人们开始重新审视同步网络的传统假设并由此开始了异步网络下新模型的研究。
3) asynchronous transfer mode network
异步传送模式网络
4) asynchronous model
异步模型
1.
Application and Analysis of Asio Asynchronous Model;
异步模型Asio的应用与分析
5) SDH/ATM
同步数字系列/异步转移模式自愈网络
6) The network asynchronous communication
网络异步传播
补充资料：Hopfield神经网络模型
Hopfield神经网络模型
Hopfield neural network model
收敛于稳定状态或Han加Ing距离小于2的极限环。 上述结论保证了神经网络并行计算的收敛性。 连续氏pfield神经网络中，各个神经元状态取值是连续的，由于离散H6pfield神经网络中的神经元与生物神经元的主要差异是:①生物神经元的I/O关系是连续的;②生物神经元由于存在时延，因此其动力学行为必须由非线性微分方程来描述。为此，在1984年J.J.H叩fi酗提出了连续氏pfield神经网络，它可用图1所示的电路实现，其动态方程┌───┐│·T叮 │└───┘图1连续F砧pfield神经网络 (a)Sigmoid非线性;(b)神经元模型可由下述微分方程式描述: 、，产 门J /r、l、1.。瓮一客、一佘Ii认=f(u￡)￡=l，2，…，n式中f(·)为连续可微的Sign101d函数;T，j=兀、i，j=1，2，“’，n几=0]=i1~.吞~·‘八文一Q*+，戮T，j‘一‘，2，”一”连续时间氏pfield神经网络式的计算能量函数定义为:一告客客几从砚 石l「Vi_1，、，合，，， +乞古!‘厂‘(x)dx一乙I，从(4) ’月R‘Jo“‘、一’一月一，” 对于式(3)，若f一‘为单调增且连续，C>0，T，j=几(i，j=1，2，一，n)，则沿系统的运动轨道有dE一。-丁丁足之Uat当且仅当贷一。时 箭一。式(3)的稳定平衡点就是能量函数E〔式(4)」的极小点，反之亦然。同时，连续氏pfield神经网络式(3)以大规模非线性连续时间并行方式处理信息。网络的稳定平衡点对应于其计算能量函数E的极小点，网络的计算时间就是它到达稳定的时间，网络的计算在系统趋于稳态的过程中也就完成了。这也是式(3)用于神经计算及联想记忆的基本原理，也即神经计算机的基本原理。HoPfield shenling wangluo moxingHopfield神经网络模型(Hopfieldne，Ine幻即0比m侧触l)一种单层全反馈的人工神经网络模型(后称之为氏p玉idd模型)，它对推动人工神经网络研究的复苏起了很重要的作用。 且，lield对人工神经网络研究的贡献主要有: (l)把有反馈的神经网络看作一个非线性动力系统，提出了系统的全局Lyap阴lov函数(或称能量函数)的概念，用于系统稳定性的分析; (2)利用上述分析方法解决人工智能中的组合优化问题，如15护;(3)给出了利用模拟电子线路实现的连续Hopfidd网络的电路模型，为进一步研究神经计算机创造了条件。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条