基于神经网络的客车车身结构参数优化

为尽量减轻车身结构的质量,改善结构应力状况,提出了人工神经网络理论和遗传算法相结合应用于客车车身结构参数优化的方法。把正交表组合的结构参数作为输入矢量,ANSYS软件计算出的客车车身静动特性作为输出矢量。在对网络进行训练的基础上,建立了矩形梁构件的高度、宽度和客车车身的强度、刚度、频率之间的数学模型,以此作为优化问题的约束条件,用遗传算法求得结构参数全局最优解,试验结果证实了该方法切实可行。     

一种混沌神经网络及其在优化计算中的应用

研究了一种具有混沌特性的神经网络 ,该网络具有瞬态混沌响应 ,类似于Hopfield网络的结构 ,但有比Hopfield网络更加丰富的动力学特征、更强的全局搜索能力。通过把混沌动力学与收敛动力学相结合 ,使网络逐渐由混沌神经网络向Hopfield网络过渡 ,达到控制混沌的目的 ,并且提供一个在全局最优解附近的初值 ,有效地解决了Hopfield网络的局部极值问题。该网络模型可以用来解决复杂的非线性优化问题。     

基于局域交互和全局广播的创新传播模型研究

考虑公共媒体对创新传播的影响,本文提出基于网络局域交互和全局广播的创新传播模型,该模型既考虑了创新传播过程中邻居节点之间的交互作用,也考虑了公共媒体对创新传播的影响。实证网络数据集上的仿真结果表明在公共媒体宣传力度有限的情况下,局域交互特性对创新传播具有重要影响。进一步的分析表明,结合网络结构和创新传播机制的节点影响力评价指标可以准确地对创新传播中的节点影响力进行排序,相对于度、紧密度等方法,该方法的Kendall's Tau可以提高39.19%,35.61%和33.03%。     

基于复杂网络理论的配电网节点脆弱度评估

配电网中节点脆弱性的大小是其结构鲁棒性的重要体现,为实现对配电网节点脆弱度的评估,提出对配电网节点脆弱度大小排序的方法。首先,构建配电网的复杂网络加权模型;其次,针对节点脆弱度评估中的度值、介数、凝聚度和紧密度等几个指标,结合主观和客观两方面信息构建描述各指标重要性的权重;最后,提出综合逼近理想排序(Technique for Order Preference by Similarity to Ideal Solution,TOPSIS)和灰色关联度的方法,实现对配电网节点脆弱度大小的排序。对几种典型的中压配电网进行计算,验证了本文方法的可行性,对IEEE123系统分析,结果表明多指标综合评估较单一指标评估更符合配网的实际特点。     

基于社会网络冲突信息传播的群体特征

当两种冲突信息在社会网络上同时传播时,社会群体呈现的特征值得研究. 依据复杂性科学和社会学研究的有关理论和方法,利用了网络传播的SIR模型,建立了信息的传播演化模型. 在传播过程中引入个体处理冲突信息的三种行为方式：先入为主、从众行为和领导意见,并在大规模社会网络上进行了不同行为方式传播模型的对比研究. 研究表明,社会网络的结构和个体行为的倾向对信息传播结果有显著影响. 由局域性相互作用发展为集体行为,整体特性比局部特性呈现出更多的变化趋势. 研究结果有助于解释大规模社会群体呈现出的某些特征,如群体极化和群体多样性等现象.     

基于遗传算法的BP神经网络时间序列预测模型

神经网络能以任意精度逼近非线性函数 ,以神经网络为基础的时间序列预测模型能很好地反映非线性系统发展的趋势 ,但神经网络训练速度慢、易陷入局部极值。针对这种情况 ,用具有良好的全局搜索能力的遗传算法来改进神经网络时间序列预测模型 ,提出了一种将遗传算法和BP算法相结合的学习算法来训练BP神经网络 ,并将该神经网络时间序列预测模型应用于某时间序列的预测。     

Stability analysis of extended discrete-time BAMneural networks based on LMI approach

1 .INTRODUCTIONBidirectional associative memory model is a kind ofneural network models in common use with the abili-ty of information memory and association. Since thedistributed memory of the information,the networkcan associate a completed and clear mode stored in itfroman uncompleted and fuzzy mode . Bidirectionalassociative memory (BAM) proposed by B. KoskoinRef .[1] is a generalization of Cohen-Grossberg’smodel from single layer to two layers . Since then,there have beenlots of …     

基于免疫算法的自组织神经网络在效能评估中的应用

针对自组织神经网络自身的局限,将免疫克隆选择算法的克隆和变异机制引入SOM的学习算法中,提出一种免疫自组织神经网络模型,并建立了模型的学习算法。该学习算法用免疫克隆选择算法的克隆算子和变异算子改进自组织神经网络中的邻域大小和权值调整规则,使每个神经元的权值学习率和邻域大小随神经元的亲和力发生变化,从而克服了自组织神经网络分类效果受样本输入次序影响的弱点,且在很大概率上保证网络收敛到全局最优解。性能仿真结果说明该学习算法比自组织神经网络学习算法具有更好的分类准确性和泛化性能。将该模型应用雷达电子战装备的作战效能评估中,结果表明免疫自组织神经网络模型比自组织神经网络模型分类更合理。     

TOWARD COLLECTIVE INTELLIGENCE OF ONLINE COMMUNITIES： A PRIMITIVE CONCEPTUAL MODEL

Inspired by the ideas of Swarm Intelligence and the "global brain", a concept of "community intelligence" is suggested in the present paper, reflecting that some "intelligent" features may emerge in a Web-mediated online community from interactions and knowledge-transmissions between the community members. This possible research field of community intelligence is then examined under the backgrounds of "community" and "intelligence" researches. Furthermore, a conceptual model of community intelligence is developed from two views. From the structural view, the community intelligent system is modeled as a knowledge supernetwork that is comprised of triple interwoven networks of the media network, the human network, and the knowledge network. Furthermore, based on a dyad of knowledge in two forms of "knowing" and "knoware", the dynamic view describes the basic mechanics of the formation and evolution of "community intelligence". A few relevant research issues are shortly discussed on the basis of the proposed conceptual model.     

众筹项目的个性化推荐:面向稀疏数据的二分图模型

二分图模型是一种全局优化算法,本文将二分图模型应用于直接推荐众筹项目,使用PersonalRank算法迭代计算网络节点的全局关联度,从而推荐那些基于余弦相似度的协同过滤不能有效推荐的项目,适用性更加广泛.更进一步,提出将二分图模型与协同过滤算法相结合,首先把网络结构划分为二分图,采用二分图算法得到的两类节点(用户节点,项目节点)之间的全局相似度,再结合协同过滤算法,得到基于二分图模型的协同过滤算法.实验表明,在众筹项目推荐中,由于数据极端稀疏,适宜采用二分图模型来进行相似度计算并进行推荐.     

基于PSO 的水库泄洪风险计算

基于结构可靠度指标的物理含义,建立了水库泄洪风险计算优化模型,并引进了粒子群全局优化算法对该模型进行求解.通过对该模型在具体水库泄洪风险计算的应用举例,表明了该水库泄洪风险计算理论不仅能有效地避免求偏导运算,且能获得高精度的运算结果,求解速度也有一定的优势.     

混沌神经网络模型参考自适应控制器设计

研究了非线性的神经网络模型参考自适应控制器设计问题。将混沌机制引入常规BP算法,利用混沌机制固有的全局游动,逃出权值优化过程中存在的局部极小点,解决了网络训练易陷入局部极小点的问题。通过训练神经网络模型参考自应用控制器和辨识器,完成了对一类复杂离散非线性系统的控制。给出了具体的算法步骤。仿真结果表明了混沌BP算法优于常规BP算法。有效地提高了控制精度和适时性。     

基于生成对抗网络的半监督图像语义分割

提出了一种基于生成对抗网络的语义分割模型,包括一个全卷积语义分割网络以及一个判别网络,其中语义分割网络负责生成与输入图像对应的语义分割图,判别网络负责检测分割图与真实标签的区别,以促使分割网络改进分割效果。为了更好的提取全局结构信息,语义分割网络中采用了金字塔池化模块,对不同规模的空间区域进行池化操作。另外,为了应对语义分割训练数据集人工标注成本过高的问题,利用判别网络生成伪标签协助语义分割网络进行训练,从而实现了半监督训练效果。模型在PASCAL VOC2012数据集中进行了测试,结果表明该模型在全监督和半监督条件下均优于已有方法。     

一种再制造物流网络设施定位优化方法

针对包含正向和逆向的再制造物流网络,提出一种由3种设施组成的2层物流设施定位优化方法,并给出0-1整数规划模型.基于遗传算法的全局搜索能力,全面考虑了正向流和逆向流及其它们之间的相互约束处理,避免了传统拉格朗日启发式算法中求上下限的繁琐计算过程.仿真实验表明提出方法的有效性.     

基于混沌算法的自适应预测模型

在混沌算法神经网络的预测模型中 ,适当选择非线性反馈项 ,能使网络的动力学在权空间具有混沌行为 ,网络系统在学习和训练过程中能够跳出能量的局域极小达到全局极小或其近似 .本文基于EP进化算法建立一种自适应机制 ,使得网络能够根据学习和训练的结果优化非线性反馈项 .应用这种算法的神经网络对基于 Mackey-Glass方程和 Lorenz系统的时间序列进行在线预测 ,结果表明 ,网络具有很好的自适应预测性能.     

基于多维标度的技术机会分析

全球技术的飞速发展产生大量的技术机会，企业必须识别和把握可能出现的技术发展机会，才能提高企业的技术创新能力和国际竞争力。基于此，文章在构建数据项间关联模型和研究多维标度性质的基础上，提出一个基于多维标度的技术机会分析方法，并以公路工程领域为例进行可视化实验，以此判别技术领域的深层次结构，为技术机会的分析和识别做一些基于工程技术分析的支撑性工作。     

全球性流行病传播研究综述

以航空网络为视角,对全球性流行病的研究进行了综述.文章首先回顾了不同航空网络拓扑结构特征以及航空网络的演化机制,然后介绍集合种群网络传播模型和基于人类行为时空规律的流行病传播模型,最后总结基于航空网络结构的流行病传播研究进展.     

空间脆弱性与传统网络属性的关系

为探索研究网络系统脆弱性的新思路,并进一步提升空间脆弱性模型的实用性,分析了空间脆弱性与传统网络属性(主要是平均最短路径,平均中间性,连通性和受影响最短路径数目)的关系,并以北京地铁网络为例验证这一关系。结果表明`,在网络系统脆弱性研究中,当重点关注空间灾害对系统造成的全局性影响时,新的空间脆弱性模型和传统网络属性的合理结合可以提供一种行之有效的方法。     

基于网络整体效能的战斗毁伤模型

经典Lanchester平方律揭示战斗的规模效应, 但其战场通视和直瞄假设面临挑战. 基于战斗信息流的符号学分析, 认为现代战场是网络通视与直瞄的, 将基于网络整体效能的随机格斗与Albert 网络"去点"操作结合, 提出统一表示交战行为与协作行为的网络随机格斗模型, 并试验评估体系作战的动态网络效应: (1) Lanchester 平方律是体系作战网络效应的最优特例; (2)网络系统作战效能既与有效兵力生成因素(单元效能和网络拓扑)相关, 也与目标冗余度相关, 且随战斗进程递减; (3)无标度网络比随机网络"有效、鲁棒但脆弱".     

基于灰色神经网络组合模型的故障预测

针对装备故障预测存在有效样本少、模型预测精度低等问题，集成灰色理论和神经网络方法，提出基于灰色神经网络的故障预测组合模型。基于新信息优先原理和重构背景值方法优化灰色GM（1，1）模型的初始值与背景值，利用Levenberg-Marquardt算法改进反向传播神经网络模型；采用组合预测思想，将多方法融合改进灰色模型和神经网络模型，分别构建基于权重分配、基于误差修正和基于结构优化的3种灰色神经网络组合模型。以某雷达发射机的故障预测为例，验证上述方法在故障预测中的有效性。结果表明，灰色神经网络组合模型的预测精度优于单一预测模型，可用于装备的故障预测和预测性维修。