小世界人工神经网络模型及其应用研究

关于优化神经网络模型的快速性和精度,为了寻找最优的神经网络结构,在复杂网络的研究方法对多层前向神经网络模型的基础上,提出一种在层次结构上处于规则型到随机型神经网络过渡的中间网络模型-NW型多层前向小世界人工神经网络模型.利用对多层前向规则神经网络中神经元以某一概率p随机化向后层跨层连接,构建新的神经网络模型,然后将不同跨层概率下的小世界人工神经网络应用于函数逼近.在设定精度相同情况下对不同概率下的收敛次数做比较,仿真发现随机化加边概率p处于p =0.08附近时的小世界人工神经网络比同规模的规则网络和随机网络具有更好的收敛速度,实验证实采用NW型小世界多层前向人工神经网络模型,在精度和收敛速度上均得到提高.     

基于NW型小世界人工神经网络的污水出水水质预测

为了预测污水处理出水水质,针对污水处理过程具有多变量、非线性、时变性、严重滞后的特点,提出了基于NW型小世界人工神经网络的污水处理出水水质预测模型;首先根据污水处理系统确定模型输入输出变量个数,然后建立了多层前向小世界神经网络模型,并对网络模型的隐层结构进行了优化研究;借助污水处理过程的历史数据进行了仿真研究,结果表明:和同规模的多层前向人工神经网络相比,小世界神经网络对污水出水水质预测具有较高精度和收敛速度,为污水出水水质的实时预测提供了一种有效的新方法。     

用改进GA-BP神经网络的设备故障维修时间预测

光伏充电站中设备故障维修时间对运行效率有着重要影响.为提高光伏充电站设备维修时间的预测精度,考虑到神经网络算法中隐含层神经元数对算法预测精度的影响,提出了一种改进的GA-BP神经网络算法,并以光伏充电站60个设备维修时间为样本验证了改进算法的有效性.结果表明,GA-BP神经网络结构中隐含层神经元数取5时算法预测精度最高,且采用改进GA-BP神经网络算法预测时平均相对误差仅为6.1％,较灰色模型与BP神经网络算法分别降低了 90.4％与57％.改进后的GA-BP神经网络的预测准确度远高于灰色模型和BP神经网络,得到的预测时间可为维修人员调度提供依据.     

基于云变换的混合计算模型在水淹层识别中的应用

目前为止,现有的自动判别方法难以反映定量指标和定性指标相结合的混合信息对水淹层识别的影响.因此,为提高水淹层判别的准确度,本文提出基于云变换的定量与定性混合计算神经网络模型来实现水淹层判别.一方面,利用云模型将提取测井相数据中的定性信息,保证了原始数据的完整性与客观性;另一方面,将输入信息中的定性概念通过正向标准云变换转换为量化的数值信息,保证了数据的科学性;最终将混合信息输入混合计算神经网络模型中进行判别,从而得出结论.实验证明采用基于云变换的混合计算神经网络模型对水淹层进行识别,具有精度高、速度快的特点,是水淹层识别的一种比较实用的方法.     

神经网络在热电厂对象建模中的应用

针对一个375 MW热电厂的锅炉-汽轮机系统仿真模型,采用多层前向神经网络进行离线建模;讨论了网络结构设计、训练算法等神经网络建模问题;采用相同的固定负荷数据分别建立了线性ARX模型和局部神经网络模型并做多步预测比较;通过对基于一层隐层的全局神经网络模型的训练和仿真,结果证实了神经网络在非线性系统建模和辨识上的有效性.     

基于ISCNN-LightGBM的轴承故障诊断

在传统卷积神经网络与分类器相结合的故障诊断方法中, CNN用于故障特征提取时, 存在着提取的特征质量不高与运行时间较长的问题. 针对以上问题, 本文提出了一种基于改进单层卷积神经网络及LightGBM的故障诊断模型. 该模型通过将特征距离函数嵌入CNN的损失函数中, 提升了CNN特征提取的能力, 增强了CNN与后续分类器之间的联系, 从而提升了整体模型的故障诊断能力. 于此同时, 经过改进的单层的卷积神经网络进一步缩短了模型运行的时间, 提升了模型的诊断效率. 通过对两个不同的公共数据集进行对比实验, 其结果表明, 本文所提诊断模型对多种轴承故障的诊断准确率与诊断效率显著高于其他诊断模型.     

人工神经网络模型发展及应用综述

人工神经网络与其他学科领域联系日益紧密,人们通过对人工神经网络层结构的探索和改进来解决各个领域的问题。根据人工神经网络相关文献进行分析,综述了人工神经网络算法以及网络模型结构的发展史,根据神经网络的发展介绍了人工神经网络相关概念,其中主要涉及到多层感知器、反向传播神经网络、卷积神经网络以及递归神经网络,描述了卷积神经网络发展当中出现的部分卷积神经网络模型和递归神经网络中常用的相关网络结构,分别综述了各个人工神经网络算法在相关领域的应用情况,总结了人工神经网络的未来发展方向。     

一种融合对抗层的图像通用对抗扰动生成算法

随着深度神经网络的广泛应用,其安全性问题日益突出.研究图像对抗样本生成可以提升神经网络的安全性.针对现有通用对抗扰动算法攻击成功率不高的不足,提出一种在深度神经网络中融合对抗层的图像通用对抗扰动生成算法.首先,在神经网络中引入对抗层的概念,提出一种基于对抗层的图像对抗样本产生框架;随后,将多种典型的基于梯度的对抗攻击算法融入到对抗层框架,理论分析了所提框架的可行性和可扩展性;最后,在所提框架下,给出了一种基于RMSprop的通用对抗扰动产生算法.在多个图像数据集上训练了5种不同结构的深度神经网络分类模型,并将所提对抗层算法和4种典型的通用对抗扰动算法分别用于攻击这些分类模型,比较它们的愚弄率.对比实验表明,所提通用对抗扰动生成算法具有兼顾攻击成功率和攻击效率的优点,只需要1%的样本数据就可以获得较高的攻击成率.     

基于Lasso稀疏学习的径向基函数神经网络模型

传统径向基函数(RBF)神经网络模型使用完整的隐含层节点进行模型构建时,会因缺乏隐含层节点抽取机制而使得受训模型的泛化性能下降,导致模型更加复杂。为此,提出一种改进的RBF神经网络模型。通过Lasso稀疏约束对隐含层节点和输出层连接权值进行稀疏表示,去除冗余和不相关隐含层节点的同时保留重要的隐含层节点,并使用交叉验证和网格搜索确定收缩参数以优化模型分类性能。实验结果表明,与现有RBF神经网络模型相比,该模型具有更低的计算复杂度和更高的分类精度。     

多层前向小世界神经网络及其函数逼近

借鉴复杂网络的研究成果, 探讨一种在结构上处于规则和随机连接型神经网络之间的网络模型—-多层前向小世界神经网络. 首先对多层前向规则神经网络中的连接依重连概率p进行重连, 构建新的网络模型, 对其特征参数的分析表明, 当0 < p < 1时, 该网络在聚类系数上不同于Watts-Strogatz 模型; 其次用六元组模型对网络进行描述; 最后, 将不同p值下的小世界神经网络用于函数逼近, 仿真结果表明, 当p = 0:1时, 网络具有最优的逼近性能, 收敛性能对比试验也表明, 此时网络在收敛性能、逼近速度等指标上要优于同规模的规则网络和随机网络.     

不同重连概率的小世界脉冲神经网络抗扰功能研究

现今各种电磁干扰对电子系统造成的不良影响越来越严重,传统防护方式的局限性日益凸显。电磁仿生学由此被提出,目的是通过借鉴生物体的自适应抗扰的优良特性,以期建立新的防护模式。构建了以Izhikevich神经元模型为节点,兴奋性和抑制性突触可塑性模型共同调节基于小世界网络拓扑的小世界脉冲神经网络;基于复杂网络理论对比分析了不同重连概率的小世界网络的拓扑特性;对比分析了不同重连概率的小世界脉冲神经网络在高斯白噪声刺激下的抗扰功能。实验结果表明:小世界网络的平均路径长度和全局效率值受重连概率的影响较小,平均聚类系数和小世界属性受重连概率的影响较大;构建的不同重连概率的脉冲神经网络均具有一定抗扰功能且高聚类系数和低平均路径长度显著的小世界脉冲神经网络抗扰功能最优。     

小世界网络抗毁性及介-度相关性研究

日常生活中,复杂网络主要面临随机攻击和选择性攻击,网络模型的结构特性使复杂网络在不同攻击方式下的抗毁性有很大的差异.综合考虑复杂网络的抗毁性参数和网络模型的结构特性差异,文章以节点的最大度值、平均度值、最大介数和平均介数为度量参数,通过5种不同攻击方式对WS小世界网络的抗毁性进行了测试,得到了介度关系曲线,随着节点的移除,动态分析了WS小世界网络的抗毁性和攻击下小世界网络的介 度相关性.实验结果表明,WS小世界网络在RD攻击下表现出一定的脆弱性,在其他攻击方式下有很强的鲁棒性,而其介度关系在某些区域呈线性关系,但大部分区域呈现无规律性,其动态相关性需要进一步研究.小世界网络较强的抗毁性对组建网络有重要的影响,鉴于小世界网络的结构特性,组建网络时应尽量不要把网络的功能集中在少数Hub节点上.针对WS小世界网络较强的鲁棒性,结合小世界网络的结构特性,将做进一步研究,以便提出更高效的攻击策略.     

小世界网络的Cayley图模型

Internet网络中小世界特征的发现激起了学术界对Internet小世界网络的研究热潮。提出了一种基于Cayley图的小世界网络模型（CSWN）,该模型具有高聚集性和小网络直径;在分析了该网络模型的一些主要性质后给出了其路由算法;最后通过仿真实验证明了该模型符合小世界网络的特性。     

神经元网络场电位的迭代学习控制研究

基于映射神经元模型和Hindmarsh-Rose神经元模型构建小世界神经网络,并施加带有遗忘因子的迭代学习控制算法,以实现神经网络的同步控制。仿真结果表明迭代学习控制同时适用于离散的和连续的神经网络模型,可以实现神经网络同步和去同步状态的相互转化,其优势在于随着迭代次数的增加,控制信号强度逐渐减弱,从而保持神经元本身的放电特性不变。所得结果为将非线性控制理论应用于帕金森等神经疾病控制提供了新思路。     

Small-world Hopfield neural networks with weight salience priority and memristor synapses for digit recognition

A novel systematic design of associative memory networks is addressed in this paper, by incorporating both the biological small-world effect and the recently acclaimed memristor into the conventional Hopfield neural network. More specifically, the original fully connected Hopfield network is diluted by considering the small-world effect, based on a preferential connection removal criteria, i.e., weight salience priority. The generated sparse network exhibits comparable performance in associative memory but with much less connections. Furthermore, a hardware implementation scheme of the small-world Hopfield network is proposed using the experimental threshold adaptive memristor (TEAM) synaptic-based circuits. Finally, performance of the proposed network is validated by illustrative examples of digit recognition.     

基于小世界理论的自组织计算网络有效调度算法

以小世界（Small-world）模型作为理论依据，阐述了基于P2P的自组织计算网络的构造和基于该网络的计算任务调度算法，对计算网络的若干特性（诸如高聚合性和低搜索路径）以及调度的效能进行了分析。该文构造的计算网络表现出明显的自组织特性，具有较好的可扩展性和自组织能力，能为计算资源的调度提供很好的支持。     

P2P中一种基于小世界聚类的资源搜索模型

为有效解决P2P中不同资源的搜索和定位问题,设计了一种基于小世界聚类的资源搜索模型。以小世界模型为理论基础,构建具有局域聚集现象及短的路径的P2P网络模型,按照分级转发方式对资源进行全局搜索。仿真实验证明,这种基于小世界聚类的资源搜索模型具有较高的搜索成功率和较短的平均搜索路径。     

动态构造特征可调节的小世界P2P网络*

P2P网络是一个动态网络,静态模型并不适用于构造P2P网络。针对目前的动态模型都存在一定局限性,不能够根据需要调节不同的网络特征,提出一种新的小世界P2P网络的动态构造方法。该方法能够利用构造参数调节网络的平均度数、聚类系数和平均路径长度。仿真实验表明,随网络规模扩大网络持续维持良好的小世界特征,且构造参数能够有效地调节网络的小世界特征。     

Small-World在对等网络中的应用研究

论文通过对small-world现象的研究分析,提出了一个构建具有small-world特性的对等网络的解决方案——小世界P2P资源搜索协议,并通过仿真实验证明了协议的有效性和可行性。最后论文对未来的工作做了总结和相关的展望。     

一种基于小世界网络中的Web服务智能路由算法

依据小世界网络具有特征路径短、聚类度大的特点和服务的聚集性，将提供Web服务的对等节点构造成为具有小世界属性的网络，在服务的查询、路由中可以提高效率和减少通信量。Web服务路由凭借其虚名称和路由感知机制，在SOAP中方便地实现路由路径的指定和装载。本文借助蚁群算法，提出了在小世界网络模型中的基于QoS约束下的路由算法（QAA），通过实验仿真和算法分析表明QAA在对等的小世界网络中具有高效的路由性能。