光学神经网络的现状与进展

通过介绍两种典型的光学神经网络ＯＮＮ（ＯｐｔｉｃａｌＮｅｕｒａｌＮｅｔｗ ｏｒｋ）——透镜阵列互连网络和全息互连网络,讨论了当前ＯＮＮ 的现状、存在问题及发展趋势。还介绍了图样间联想和洗牌网等ＯＮＮ模型中的新算法和新拓扑结构。     

光学神经网络的现状与进展

通过介绍两种典型的光学神经网络ＯＮＮ－透镜阵列互连网络和全息互 网张,讨论了不前ＯＮＮ的现状,存在问题及发展趋势。还介绍了图样间联想和洗牌网等ＯＮＮ模型中的新算法和新拓扑结构。     

基于时域图卷积神经网络的交通流预测模型

针对当前大多数模型对交通流数据空间信息挖掘不充分、无法捕获长序列单元间的信息等问题,提出一种基于时域图卷积神经网络的交通流预测模型。通过阈值权重法重构邻接矩阵,将多层近邻机制嵌入图卷积网络进一步挖掘空间信息;引入时域卷积网络,借助膨胀因果卷积扩大感知野并结合残差网络提取时间信息;运用Dense网络输出结果。利用加州性能评估系统中两个数据集进行评估,其结果表明,该模型性能优于常用的基准模型以及最近提出的多时空图卷积网络模型。     

基于RSS阈值模型的Amorphous算法定位误差抑制

针对无线传感器网络定位算法在不同的通信模型下误差较大的问题,在Amorphous算法离线计算网络平均连通度的基础上,建立了四种RSS阈值模型来抑制Amorphous算法在不同通信模型下的定位误差。由不同阈值模型得到的阈值在不同程度上修正了算法的梯度值,使定位误差得到抑制。仿真结果表明,Amorphous算法在Regular模型下的最优阈值模型从Regular阈值模型和Log-normal阈值模型中选择;算法在Log-normal模型下的最优阈值模型从Regular阈值模型、Log-normal阈值模型、DOI阈值模型和RIM阈值中选择;算法在DOI模型和RIM模型下的最优阈值模型从Log-normal阈值模型、DOI阈值模型和RIM阈值模型中选择,最后得到Amorphous算法在不同的通信模型、通信半径和不规则度下对应的最优阈值模型。     

GAM模型稳定性分析及其在图像识别中的应用

多值指数关联联想记忆模型（MMECAM）是一种高存储容量的自联想记忆神经网络。在详细分析其优缺点的基础上,通过改进MMECAM模型的更新规则,首先提出一个新的高斯自联想记忆模型（GAM）,然后通过定义简单的能量函数从理论上证明其在同、异步方式下的稳定性,从而保证所存储的模式能最终成为GAM的稳定点;其次,通过引入一般相似性测度进一步提出广义GAM模型（G-GAMs）框架,使得GAM模型成为其特例;最后,将GAM模型应用于单样本图像识别,计算机模拟证实了该模型的鲁棒性能。     

复杂网络上具有多感染阶段的传染病传播模型

针对传染病传播模型缺乏多感染阶段的不足,结合SIR和SEIR两种传播模型的特性,提出了一种改进的具有多感染阶段的SIR传染病传播模型(即SInR模型)。该模型充分考虑了不同感染阶段的非均匀感染力对不同网络结构上传染病传播及传播阈值的影响;同时引入相对感染力及传播时间尺度的概念,从网络结构、网络规模及相对感染力方面进行了仿真研究。仿真中无标度网络采用BA模型的生成算法,而小世界网络采用WS模型的生成算法。由仿真可知,感染节点在整个感染过程中大致服从泊松分布,因此在SInR模型下无标度网络的传播速度更快,范围更广;相对感染力对于传染病的大规模爆发存在着一个阈值,当感染力大于阈值时传染病才能大范围地爆发传播,而小于阈值时传染病只会局域小范围传播直至消失,无标度网络的感染力阈值为0.2,小世界网络的感染力阈值为0.24;随着网络规模的增大,传播时间尺度也在增大,相应的传播速度就会降低。仿真结果表明:该模型下无标度网络传染病传播速度更快且影响范围更大;无标度网络的相对传染力的传播阈值小于小世界网络,设置合理阈值有利于降低传染病的传播影响力。     

基于误差阈值的网络控制系统通信调度

针对网络控制系统的带宽约束问题,提出一种基于误差阈值的确定性通信调度策略来控制网络节点数 据的发送,并将其应用于基于模型的网络控制系统（MB-NCS）中,建立了具有通信调度功能的MB-NCS 模型．进 一步对该系统的稳定性进行了分析,给出了系统中被控对象状态的稳定域范围．仿真算例表明,引入了通信调度策 略后,在获得较好系统性能的情况下,数据发送次数明显减少,有效地减轻了系统对网络的依赖．     

基于小世界体系的投影学习联想记忆模型研究

联想记忆是神经网络的重要应用之一,传统Hopfield网络所用的外积法限制了输入向量的模式,降低了网络的联想性能,而且全瓦连的结构增加了网络的复杂性,不符合神经生物学观点.针对这些问题.提出一种新型的小世界联想记忆模型,用局部的规则连接和稀疏的长程连接取代全互连结构,降低网络的复杂性,同时引入投影学习规则来提高网络的回忆能力和抗噪能力.通过matlab软件对该模型模拟仿真,并与其他模型进行比较,结果表明,该模型在有效降低网络复杂度的情况下,保持了良好的同忆件能.     

基于参数不敏感设计的网络拥塞控制算法

本文提出了一种新颖的主动队列管理(active queue management,AQM)策略一间隔随机早期检测(interval random earlv detection,IRED).与传统的RED机制不同,IRED的参数设计中,平均队长的门限值一最小阈值和最大阈值从固定不变的单值,变为了一个阈值区间.相对于RED的单值固定阈值的设计,IRED的适应能力和鲁棒性得到增强,在大多数的网络环境下能够保持良好的性能,特别是在网络状态出现波动和突变时,其性能比传统的AQM算法更佳.本文进一步采用了TCP-AQM的动态模型分析了使用IRED控制器的拥塞控制系统的稳定性,分析了系统的稳定裕度,并给出了稳定裕度与控制增益的关系式,从而提出了一种根据期望稳定裕度来设计阈值区间的系统化方法.最后.在NS-2仿真平台上,通过与RED和Gentle-RED种算法比较,证明IRED优越性,特别是在变负载的网络环境下的良好性能.     

具有内连接的指数多值双向联想记忆模型

C_C Wang的多值指数双向联想记忆模型(MVeBAM)是一种高存储容量的联想神经网络.本文在MVeBAM的基础上通过引入自相关项(或内连接)提出了一个新的具有内连接的多值指数双向联想记忆模型,推广了MVeBAM.通过定义简单的能量函数证明了其在同、异步方式下的稳定性,从而保证了所学模式对成为被推广的MVeBAM(EMVeBAM)的稳定点.最后,计算机模拟证实了EMVeBAM比MVeBAM具有更高的存储容量和更好的纠错性能.     

智能神经网络程序设计语言的研究与实现

将神经网络与逻辑推理统一到面向对象理论中，建立了同时具备神经网络和专家系统特性、融合连接机制和符号机制的智能神经元模型。提出了一种新的程序设计语言——智能神经网络程序语言(NIPL)，实现了神经计算、逻辑推理和数值计算的统一。定义了NIPL的语法，设计并实现了智能神经网络程序设计语言NIPL编译器，从而为开发智能神经网络应用系统提供了有效的手段。     

过程神经元网络的研究与进展

过程神经元网络是一种适合于处理过程式信号输入的网络,其基本单元是过程神经元--一种新的神经元模型.本文介绍了过程神经元及其网络模型的基本理论及其特点,概述了一种基于梯度下降的学习算法及算法流程,总结了近几年来过程神经元网络及其算法的最新研究进展,并给出了一些已有的应用成果,讨论了一些具有前景的研究方向.     

基于神经网络的恒温控制系统的研究与设计

由于恒温控制的数学模型很难建立,针对这一难题提出了基于神经网络的PID控制器,侧重介绍了BP神经网络PID控制器算法的基本知识以及控制器的设计原理,通过实验仿真证明了神经网络PID控制器的控制效果比传统的PID控制在静态特性和动态特性方面都有所提高,而且具有较好的鲁棒性,该控制器在工业控制中将会发挥越来越大的作用.     

基于OFRBF-Elman网络的UUV动力学模型辨识

水下无人航行器(UUV)是具有较强非线性的复杂动态系统,而神经网络具有理论上逼近任意非线性的能力;为了提高UUV的动力学模型精度,运用了基于输出反馈的RBF-Elman(OFRBF-Elman)神经网络的系统辨识方法,即对Elman神经网络进行改进,将网络输出进行延时反馈,作为输入与隐层进行联接;将径向基函数作为隐层节点的激活函数,并以线性最小二乘法调整隐层到输出层的连接权值;然后,将该方法应用于UUV空间六自由度的动力学模型辨识中;最后,通过仿真证明了该网络结构的辨识算法具有很好的逼近能力和快速的训练速度。     

A New Projection-Based Neural Network for Constrained Variational Inequalities

This paper presents a new neural network model for solving constrained variational inequality problems by converting the necessary and sufficient conditions for the solution into a system of nonlinear projection equations. Five sufficient conditions are provided to ensure that the proposed neural network is stable in the sense of Lyapunov and converges to an exact solution of the original problem by defining a proper convex energy function. The proposed neural network includes an existing model, and can be applied to solve some nonmonotone and nonsmooth problems. The validity and transient behavior of the proposed neural network are demonstrated by some numerical examples.      

催化裂化过程稳态优化控制研究

催化裂化装置是一个高度非线性、时变、长时延、强耦合、分布参数和不确定性的复杂 系统.在研究其过程机理的基础上,定义了一种模糊神经网络用以建模,用自相关函数检验法检 验模型的正确性,再用改进的Frank-Wolfe算法进行稳态优化计算,并以一炼油厂催化裂化装 置为对象进行试验,研究其辨识、建模和稳态优化控制.这种模糊神经网络具有隐层数多、隐层 结点数多、泛化能力和逼近能力强、收敛速度快的优点,更突出的特点还在于可由输出端对输入 求导,为稳态优化计算提供了极大方便,它与改进的Frank-Wolfe算法相结合用于解决非线性 复杂生产过程的建模和稳态优化控制问题是可行的.     

基于神经网络非线性系统辨识和控制的研究

本文提出了由静态的前馈网络和稳定的滤波器构成的非线性系统的辨识模型，在神经网络固有的逼近误差存在的情况下，从理论上讨论了神经网络应用于辨识控制过程中系统的稳定性问题，最后研究了在非线性系统的轨迹跟踪过程中增加滑动控制来偿神经网络的逼近误差，从而提高系统跟踪性能。     

国际音标输入软件的设计与实现

文章以蓝蝶国际音标(形类)输入法为对象论述了国际音标输入系统的编码思想、算法设计和字体制作.输入编码的基本原则是字形的分类,合理的分类能产生适合用户的键盘操作习惯;算法设计提出了高频优先的动态连续输入效果;字体制作能及时添加所需字符,并完善字句行距等多文种混排版面质量.     

Using BPNN and DEMATEL to modify importance–performance analysis model – A study of the computer industry

The importance–performance analysis (IPA) model has been widely used as the primary tool for customer satisfaction management. IPA is a 2-D matrix analysis based on the importance and performance of the organization from the customer perception of quality. The firm’s customer satisfaction management strategy is formulated according to the IPA analysis results. However, both conventional and modified IPA models have important hidden assumptions: (1) assumptions regarding the importance of quality characteristics and performance; (2) the assumption that performance and satisfaction have a linear relationship; (3) that quality characteristics are mutually independent variables, with no causal relationship. Under these assumptions, if the quality characteristics cannot meet the above-mentioned assumptions, the conventional and modified IPA models will not accurately analyze the importance and priority ranking for improvement, leading to wrongful decision making. This study puts forth a new decision making and analysis methodology that will, on one hand, exploit the back-propagation neural network (BPNN) to establish quality characteristics and the hidden important integral satisfaction assumptions. The decision making trial and evaluation laboratory (DEMATEL) is used to calculate the causal relationship and extent of mutual influence among the qualities to adjust the importance of the quality characteristics and identify the core Order-Winners and Qualifiers problems. The proposed method modifies the quality importance and improves the IPA model ranking and also resolves difficult practical problems with fewer resources. This study illustrates using Taiwan industrial computer, working in conjunction with IPA models established with BPNN and DEMATEL to observe its application and effect.     

模拟退火PSO的神经网络的网络流量预测模型

为解决网络流量时间序列的预测问题,针对传统BP神经网络的网络流量时间序列预测模型容易陷入局部极小值的不足,提出一种基于模拟退火的微粒群算法训练神经网络的网络流量时间序列预测模型.将模拟退火算法和基本粒子微粒群算法相结合,设计出一种基于模拟退火的微粒群算法.利用基于模拟退火微粒群算法优化BP神经网络的权值和阀值,对实际采集的网络流量时间序列进行建模.实验结果表明,基于模拟退火的微粒群算法训练的神经网络具有较高的预测效果,相对于传统的神经网络模型具有更高的预测精度和良好的自适应性.