一种基于人工神经元网络的条件分支预测算法

针对人工神经元网络学习速度较慢的缺点,提出了改进学习算法的基于人工神经元网络的条件分支预测算法.基于SimpleScalar模拟器,用SPEC95基准程序对改进的方案进行了性能评估.模拟测试表明,在学习初期,相比传统人工神经元网络预测算法,改进的分支预测算法能使预测失效率降低1%~2%,而在稳定期,可获得同等的预测精度.     

基于大滞后磨矿分级系统的动态分支预测转移控制技术

针对较难控制的大滞后过程对象,提出动态分支预测转移控制技术,使控制回路在运行过程中始终保持最佳运行状态,最终提高工业过程设备的运行效率.通过在控制过程中增加对被控对象输入输出之间相关性的跟踪及处理,在基本预测控制算法的基础上再增加一个预测控制变量协调决策层,可在线任意拟合,利用反馈校正的滚动优化策略进行记录及优化,获得被控对象输入输出之间相关性及相应控制策略的动态分支预测转移控制表,结合系统设定值进行区间控制和约束保护措施,在暂态响应和稳态性能之间取得折衷,使控制效果得到明显的改善,不但增强输入控制量的规律性,而且提高响应的快速性和准确性.仿真实验表明模型的在线辨识精确,可以保证系统的鲁棒性能和预期的控制性能.     

动态团队定向问题的模型及其优化算法

针对物流配送系统优化设计中关键难题之一的团队定向问题,提出了一种部分顾客需求动态到达的动态团队定向问题,并建立了该问题的模型.采用把规划周期分成一系列时间段的策略,将动态问题转化成一系列的静态子问题求解.提出了一种蚁群算法,其特点是利用上一时间段的信息来加速算法寻优能力,并用一种基于分支定价的离线精确性算法来求解动态团队定向问题.实验结果表明,与基于分支定价的离线精确性算法相比,所提出的蚁群算法能在1 ks内求解4个测试算例,并且在2个算例中得到的最好解优于离线精确性算法的解.     

基于多分支神经网络的深基坑变形多点预测

文章为研究基坑变形预测方法,根据基坑信息化施工对变形预测的需求,在分析当前常用预测方法的基础上,提出了基于多分支神经网络的深基坑支护变形多点预测方法,建立了深基坑锚杆复合土钉支护结构变形预测模型;采用Matlab7编写了预测程序,运用多步滚动预测方法,实现了对多个测点变形的实时预测;最后通过工程实例验证了模型的正确性和有效性.     

网格应用程序的性能预测策略

通过分析网格应用程序性能信息的预测策略, 对几种主要预测策略作出了性能评价; 结合应用历史信息预测法, 以资源预测转化为应用程序预测策略为基础, 提出了网格应用程序性能预测的修正模型. 在动态网格环境下, 本模型为调度决策系统提供了调度依据; 使得网格资源的利用更加合理, 改进了应用程序的执行性能.     

基于障碍物可达区域预测的机器人实时避障算法

针对复杂环境下的机器人路径规划与自主避障问题,提出了基于动态障碍物可达区域预测的实时避障算法.对静态障碍物进行描述和建模,建立动态障碍物状态更新预测方程,实现对动态障碍物质心可达区域的预测.分别面向动态、静态障碍物提出基于可达区域预测的多步椭圆包络势场和基于新型Sigmoid函数的势场,修正目标的对数Lyapunov引力场,给出多类型障碍物空间下的机器人实时避障算法.数值仿真和实验结果表明,与传统方法相比实时避障算法可使机器人避障过程中的路径长度更短、安全性更高及最大行驶角变化幅值更小.     

移动云环境下基于预测图的动态协调过程推荐

为了提高移动云计算环境下服务推荐的准确度和效率,提出了将预测图与动态协调相结合的方法.预测图优化模式采用三种策略完成顶点选择,并将顶点移出顺序作为预测顺序.在动态协调推荐策略设计中,先将客户、服务和属性三者进行随机变换,接着进行预测图近邻矩阵化处理和相似度模拟,最后完成近邻计算,从而为云计算用户提出个性化服务推荐.经过实验证明,相较于传统迭代式的预测推荐方法,本文方法在预测准确度方面精度更高,时间复杂度更低.     

NWS预测子系统的应用

利用性能的历史测量信息预测短期内的网络性能,可以动态监视和预测特定网络和计算资源在应用层的可用性。介绍了网络预测服务及其体系结构,讨论了其关键技术,对预测方法和自适应动态预测器选择方法进行了讨论,研究了动态自适应预测技术在网络性能服务器中的具体实现。仿真分析表明,使用该方法可以在较低开销的条件下获得最好的预测结果,实验验证了这一结论。     

变异策略动态构建的模糊测试数据生成方法

模糊测试中随机变异生成的测试数据破坏了目标程序的输入规范,导致测试数据无法通过验证,造成代码覆盖率低.针对这一问题,提出了一种变异策略动态构建的模糊测试数据生成方法,该方法利用插桩执行的反馈信息动态构建控制变异策略和关键字变异策略,指导模糊器变异出高覆盖率的测试数据.实验结果表明,与随机变异相比,该方法平均使代码分支覆盖率提高了约40%;该方法能够有效提高模糊测试的效率,具有较强的实用价值.      

社会网络中的链接稳定性预测问题研究

社会网络是一个由对象和链接所构成的复杂关系型数据集.给定一个社会网络的快照,能否预测在下一个较短的时间段内其中哪些链接将会继续存在而哪些链接将会消失,这是社会网络中链接挖掘的一项新的任务.这一任务可以形式化为链接稳定性预测(Link Stability Prediction).提出了通过打分的方法来度量链接的稳定性,并讨论了几种基于邻近度度量的链接稳定性预测方法.在一个大型的电话通信网络上进行了实验,并设计了一种用来评价链接稳定性预测准确性的机制.实验结果表明,链接的稳定性信息在一定程度上是可以通过基于邻近度度量的方法从社会网络的拓扑结构中提取出来的,其中有两三种较精炼的预测方法展现出了良好的性能.但是,这些静态的链接稳定性预测方法也有其局限性,更多动态的预测方法亟待研究.     

一种基于小波变换和FARIMA模型的网络流量预测算法

提出了一种新的基于小波变换和FARIMA模型的流量预测方法,首先对原始流量进行小波分解,再进行mallat算法单支重构,接着用FARIMA模型分别对重构后的单支进行预测,最后整合流量.我们用真实网络流量进行了仿真实验,验证了提出算法的预测准确性,较之首先用FARIMA模型对小波系数进行预测再进行小波重构的方法减小了预测...     

分布式主动实时事务预分析与预测的集成框架

为改善分布式主动实时数据库事务处理的可预测性,提出了一种新的基于树的事务语义模型,并基于该模型提出了一个分布式主动实时事务预分析处理与动态预测的集成框架,包括事务生成时的静态预分析、事务接纳时的初始动态预分析和事务运行阶段的即席分析与预测,它可以有效地支持分布式主动实时事务的静动结合分析,改善事务处理的实时性能．     

基于小波多分辨分析的线性预测

提出了一种对非平稳时间序列预测的新方法.通过小波多分辨分析把某些非平稳间序列分解若干层近似意义上的平稳时间序列,然后再用自回归模型对每层的单支重构信号进行预测,最后综合每层的预测值可得到原时间序列的预测值.仿真实验表明了该方法的优越性.     

基坑位移时间序列预测的高斯过程方法

应用高斯过程理论,采用机器学习的方法,针对基坑工程中常规分析方法的预测结果与实测值出入较大的问题,提出一种基于高斯过程的基坑非线性位移时间序列预测的新方法.工程实例应用结果表明,该方法科学可行,具有很强的自学习、非线性动态处理的能力,预测精度高.     

融合注意力机制的煤层气产量动态预测

为了提升煤层气产量的预测精度,提出融合注意力(Attention)机制并结合卷积神经网络（convolutional neural networks,CNN）和长短期记忆神经网络（long short term memory,LSTM)的煤层气产量动态预测模型。利用随机森林变量筛选方法,确定井底流压、动液面高度、套压、冲次为排采过程中影响煤层气产量的主控因素;利用CNN信息提取优势,提取煤层气排采数据的特征向量,并将特征向量作为LSTM网络的输入;再将LSTM隐含层融合注意力机制提取重要信息权重,有效解决信息长期依赖性和信息丢失。实验结果表明：融合注意力机制的CNN-LSTM煤层气产量动态预测模型各方面均表现较优。具体表现为：1. 模型预测性能较好,利用不同模型对比预测,改进后的煤层气产量预测模型精度最高,比标准的LSTM预测精度提升了3%~4%;2. 泛化性能较优,预测同一区块不同生产天数的6口煤层气井产量时,预测60天日产气量的平均相对误差均小于5%,预测200天日产气量的平均相对误差均小于8%。     

热成象系统对扩展源目标的视距估算

从热成象系统静态性能出发，研究了热成象系统对扩展源目标的视距估算模型，给出了计算分析的目标形态、大气衰减、探测概率及信噪比等的处理方法，编制了计算程序。计算结果表有：模型是可行的，对系统视距的估算与实际试验结果基本一致。     

ACTPred： Activity Prediction in Mobile Social Networks

A current trend for online social networks is to turn mobile.Mobile social networks directly reflect our real social life,and therefore are an important source to analyze and understand the underlying dynamics of human behaviors （activities）.In this paper,we study the problem of activity prediction in mobile social networks.We present a series of observations in two real mobile social networks and then propose a method,ACTPred,based on a dynamic factor-graph model for modeling and predicting users＇ activities.An approximate algorithm based on mean fields is presented to efficiently learn the proposed method.We deploy a real system to collect users＇ mobility behaviors and validate the proposed method on two collected mobile datasets.Experimental results show that the proposed ACTPred model can achieve better performance than baseline methods.     

基于集成学习的束支传导阻滞识别方法

为提升基于心电图的左、右束支传导阻滞自动化诊断性能,提出了一种以多导联心电图卷积神经网络模型作为基学习器的集成学习诊断方法.首先从临床12导联同步静态心电图中提取出有效诊断导联数据并分割为若干个多导联单心搏数据切片.采用自助采样法抽取多个数据子集,并对每个子集以不同方式进行数据扰动后输入基学习器,得到相应的预测模型.然后以贝叶斯方法作为集成学习的结合策略融合多个模型进行预测.最后采用投票法结合1例心电图中的多个心搏分类结果给出诊断.实验结果表明,该方法具有较高的灵敏度和特异度,具有临床应用价值.