李飞跃
- 作品数：9 被引量：3H指数：1
- 供职机构：成都电子机械高等专科学校计算机工程系更多>>
- 发文基金：重庆市自然科学基金更多>>
- 相关领域：自动化与计算机技术理学更多>>
- 一类基于微分方程模型具有连续分布延迟神经网络的稳定性分析
- 2009年
- 考虑一类基于微分方程具有连续分布延迟的神经网络模型。利用Lozinskii方法的性质和微分不等式方法,获得了这类具有连续分布延迟的神经网络的渐近稳定的一些充分条件,结果去掉了对激励函数有界性的要求。
- 李飞跃杨明广杨雅志
- 关键词：神经网络分布时滞渐近稳定性M-矩阵
- 具有时滞的复杂动态网络的无源性
- 2010年
- 研究了复杂时滞动态网络的无源性.通过构造适当的Lyapunov泛函,得出了两个使得复杂网络无源的充分条件.最后,通过一个具体的例子及其仿真来阐明得到的条件的有效性.
- 张步林李飞跃王金亮
- 关键词：复杂网络无源性线性矩阵不等式LYAPUNOV泛函
- 基于ARMulator的嵌入式uClinux软件开发环境被引量：1
- 2008年
- ARMulator是一个基于ARM的仿真原型,通过它可以仿真支持嵌入式软件开发.本文介绍基于ARMulator建立嵌入式uClinux软件开发环境以及开发uClinux应用程序的步骤和方法.利用ARMulator,开发人员可以在没有硬件或硬件未完成的情况下进行嵌入式软件开发,减少开发错误并缩短开发周期.
- 李飞跃
- 关键词：嵌入式UCLINUX
- 基于NSI的P2P流量管理系统
- 2010年
- 针对目前IP网络P2P流量识别和管理的问题,提出一种基于节点的有状态识别NSI方法,设计并实现了基于该方法的P2P流量管理系统。NSI方法从节点双方的通信过程中寻找特征数据,进行特征匹配,并记录匹配节点,一旦该节点被识别出来,后续同该节点通信的数据就无须重新验证,因此极大的提高了系统的性能。在运营网络进行的测试表明,基于NSI的P2P流量管理系统能有效解决P2P应用所带来的流量管理问题。
- 张敏李飞跃向勇
- 关键词：流量管理
- 在构造DPS模型中使用基于类框架的Agent模型及程序设计理论研究
- 2009年
- 当前的PUSH技术存在着以下缺陷:(1)信息服务商是主动角色,用户是单纯的接收者;(2)推送信息不足以满足用户个性化的要求;(3)未能跟踪用户活动,智能化程度不高。针对上述缺点,动态PUSH(DPS)的研究方兴未艾。Agent的自主性和学习性这两个特点使它非常适合于对WWW上分布式资源的管理工作,本文提出了基于类框架的Agent模型并介绍了其程序设计理论。
- 李飞跃张京王蓉
- 关键词：PUSH技术DPS系统智能AGENT
- 对移动层次型数据库的改进及其更新并发问题的解决
- 2009年
- 在移动通信和移动计算中,为了维持移动目标的当前位置,人们配置了分布式位置数据库或目录数据库。这些数据库通常都是层次结构的,以存储由于寻址移动目标而造成的流量增加。在本文中,我们提出了对层次型数据库的改进,即通过在其中添加转向指针来进行目标寻址。在这种方法中,每个数据库站点覆盖一个特定的地理区域并含有所有位于该区域中的移动目标信息。为了降低位置更新引起的费用增加,并不是每一次都更新全部数据库,只有上行到树的某一特定层的数据库被更新,并在某个低层数据库上适当地建立转向指针。另外,我们还提出了采用计数器方法来解决层次型数据库完全更新与呼叫同时到达的并发问题。
- 李飞跃张敏
- 基于ARMulator的嵌入式uClinux软件开发环境被引量：1
- 2008年
- ARMulator是一个基于ARM的仿真原型,通过它可以仿真支持嵌入式软件开发。该文介绍了基于ARMulator建立嵌入式uClinux软件开发环境以及开发uClinux应用程序的步骤和方法。利用ARMulator,开发人员可以在没有硬件或硬件未完成的情况下进行嵌入式软件开发,减少开发错误并缩短开发周期。
- 张敏李飞跃
- 关键词：嵌入式UCLINUX
- 浅谈下一代网络(NGN)
- 2007年
- 计算机网络的发展日新月异。下一代计算机网络(NGN)的探讨、研究已经成为当前的潮流。下一代网络是目前电信、互联网运营商和设备厂商都在讨论的热点技术,国内外许多网络运营商都在探讨,并正在或考虑建设试验网进行更深入的研究。本文介绍了NGN的定义、主要特点、分层结构和关键技术。
- 李飞跃张敏
- 关键词：NGNIPV6网络融合宽带接入软交换
- 含脉冲的双向联想记忆神经网络模型及其全局稳定性被引量：1
- 2005年
- 首先建立一种含脉冲的双向联想记忆(BAM)神经网络模型,利用分段Lya-punov函数方法,讨论网络的周期振荡性,全局指数稳定性质及其收敛速率,并给出一实例和数值仿真说明所得结论。
- 李飞跃
- 关键词：脉冲BAM神经网络周期解稳定性
