Shannon小波混沌神经网络及其TSP(城市旅行商)问题的求解

混沌神经网络已经被证明是解决组合优化问题的有效工具.针对混沌神经网络的单调的激励函数,通过引入Shannon小波和Sigmoid函数加和组成的非单调激励函数,提出了一种新型的暂态混沌神经元模型.给出了该混沌神经元的倒分岔图和最大Lyapunov指数时间演化图,分析了其动力学特性.基于该模型,构造了一种暂态混沌神经网络,并将其应用于函数优化和组合优化问题.通过经典的10城市TSP验证了该暂态混沌神经网络的有效性.     

HLA联合作战仿真训练系统研究

为了实现仿真模型的互操作性和重用性,采用高层体系结构(HLA)开发联合作战仿真训练系统,直接利用单兵种作战仿真训练系统的成果,提高联合作战仿真训练系统开发效率.研究了联合作战仿真训练系统的HLA设计方案,重点围绕HLA联邦成员软件的快速开发和重用进行了详细讨论.实践表明,该方案可行且效果良好.     

系统可靠性最优化部件的可靠度和冗余数确定

研究了部件可靠度和冗余数的最优化在组合导航系统可靠性中的应用。采用模式搜索法与启发式算法相结合的方法,提出了确定多个约束条件下组合导航系统最优化中的部件可靠度和冗余数的最优化方法。经计算机模拟表明,用该方法求解结果是最优的。     

带扰动的混沌神经网络的研究

为了研究混沌神经网络的抗扰动能力,在Chen’s混沌神经网络中引入了三角函数扰动项,研究了带扰动的Chen’s混沌神经元模型,给出了该混沌神经元的倒分岔图和Lyapunov指数图,分析了其动力学特性。基于该混沌神经元模型,构造了带扰动的Chen’s混沌神经网络,并将其应用于函数优化和旅行商问题（TSP）。仿真结果表明：Chen’s混沌神经网络有一定的抗扰动能力。     

基于深度无监督学习的多小区蜂窝网资源分配方法

针对多小区蜂窝网络资源分配所要求的低能耗、高速率和低延时问题,提出一种基于深度无监督学习的多小区蜂窝网络资源分配方法.首先,构建基于无监督学习的深度功率控制神经网络,通过约束处理输出优化的信道功率控制方案以最大化能量效率的期望;然后,构建基于无监督学习的深度信道分配神经网络,通过约束处理输出优化的信道分配方案,并联合前期训练好的深度功率控制神经网络拟合输出优化的信道功率,进一步优化能量效率的期望.仿真结果表明,所提出的方法在保证低计算时延的同时可获得优于其他算法的能量效率和传输速率.     

AC_k(〔a,b〕,λ).SAC_k(〔a,b〕,λ).WAC_k(〔a,b〕,λ)的若干性质

根据对叙列空间上的K级强绝对连续函数、K级绝对连续函数、K级弱绝对连续函数及x(t)有界且xk(t)为通常的K级绝对连续函数有关性质的讨论 ,得到了与叙列空间上的K级强、弱有界变差函数相似的结论 .证明了在空间S和Φ中 ,上述四种绝对连续是等价的 ,而在 (KB)空间 ,依范K级强、弱绝对连续与K级强、弱绝对连续分别等价 ,从而进一步推广了有关叙列空间上二、三级绝对连续函数的有关结论     

基于分段常值的贝叶斯状态估计滤波算法

针对上有高斯噪声的非线性随机系统状态估计问题,提出了一种基于分段常值的贝叶斯状态估计滤波算法。本文对此种滤波算法的误差进行了分析。并且对地形辅助导航定位系统的应用进行了仿真,仿真结果表明基于分段常值的贝叶斯状态估计滤波算法是一种鲁棒性很强的滤波算法。     

一种操作员站双机冗余系统在发电厂中的应用

冗余技术已成为提高计算机系统可靠性的必要手段。本文根据发电厂的实际要求,提出了一种基于网络的操作员站双机冗余系统,通过网上信息交换实现冗余功能。文中给出了此系统的功能、结构及原理,并给出了部分解决方案。     

离散型极大值原理在组合导航系统可靠性最优化中的应用

研究了离散型极大值原理在组合导航系统中可靠性最优化中的应用,提出了一个简单而实用方法求多个约束条件下的可靠性的极大值,并通过一个实例来说明该方法。数字模拟表明,用该方法求解结果是最优的。     

SLF混沌神经网络及其应用

针对混沌神经网络的单调激励函数,引入Legendre函数和Sigmoid函数组合作为非单调激励函数,构造了一种新的暂态混沌神经元模型（SLF模型）,并给出了此混沌神经元的倒分岔图和最大Lyapunov指数时间演化图,利用该模型构建了一种暂态混沌神经网络,通过对非线性函数优化和TSP问题的求解验证了该模型的有效性。