自适应混合混沌神经网络及其在TSP中的应用

为了进一步提高混沌神经网络的收敛效果,将T.Kwok和K.A.Smith所总结的内、外两类混沌神经网络相结合,并加入自适应方法,提出了自适应混合混沌神经网络。这种网络可以同时通过线性和非线性两种途径来改变网络能量函数进行搜索,这使得搜索过程具有更为丰富的动力学行为。同时由于自适应方法的引入,保证能量函数的变化在整个搜索过程中对动态方程有较强的作用,从而减少了网络收敛时的迭代步数。仿真研究表明,在求解TSP上,其效果优于随机混沌模拟退火网络。     

复杂动力网络结构识别的某些新进展

复杂动力网络的结构识别是目前复杂网络研究中的一个前沿重要方向.主要介绍基于自适应同步的网络动力学参数和拓扑识别方法,指出动力学信息对于结构识别并非充分的,为了识别网络拓扑结构,需要满足经内连耦合动力学映射后的一簇函数组在同步流形上线性无关的条件.进一步分析了阻碍网络拓扑识别的因素,并介绍了网络拓扑识别的某些最新的工作.     

复杂网络理论及其应用研究概述

从统计特性、结构模型和网络上的动力学行为三个层次简述复杂网络相关研究，并着重介绍了网络上的传播行为，认为它代表了复杂网络在社会经济系统中的重要应用。     

一种基于自适应小波网络的非线性控制设计

针对含有未建模动态的非线性系统,结合非线性动态逆和小波网络提出了一种新的非线性控制方法。根据小波网络的逼近特性,利用具有在线学习能力的单隐层小波网络来补偿动态逆的误差,建立了基于自适应小波网络的控制结构,用李雅普洛夫函数导出了小波网络权值的自适应调整規则。通过自适应调节,使控制系统能对受控对象及时地作出反应。最后分析了小波网络的结构和输入。     

变结构离散动态贝叶斯网络参数的自适应产生

变结构离散动态贝叶斯网络及其推理算法解决了对突变过程的建模和定性推理问题,但是环境突变是随时发生而且无法预计,由此网络结构发生变化后,网络参数必须自适应产生.针对此问题,依据贝叶斯网络的原理,定义了相关节点和最偏好状态的概念,提出了变结构离散动态贝叶斯网络参数的自适应产生算法,并将此算法应用于解决飞行器突发威胁情况下的航路选择问题,取得了满意的结果,验证了所提出的变结构离散动态呗叶斯网络参数的自适应产生算法是可行的,有望解决变结构离散动态贝叶斯网络参数的自适应产生问题.     

关注耦合网络及其传播动力学研究

介绍国内外对耦合网络的研究进展,包括相关实证研究、耦合网络上的渗流理论和传播动力学的研究.     

网络传播动力学

病毒的流行、谣言的散布、观点的传递都是在不同网络上的形形色色的传播现象,既存在着现象后的不同起因和特征,更存在着千丝万缕的联系和共通的演化机理.汇总了复旦大学、华东师范大学和中国科学技术大学的研究小组过去几年里在网络传播动力学的研究成果.     

网络控制系统中自适应DMC算法的仿真研究

针对网络控制系统(NCS)提出了自适应动态矩阵控制(DMC)算法。其基本思想是使用一个离散的延迟模型来预测对象的未来输出。给出了算法的推导过程和估计网络引入延迟的方法,基于TrueTime工具箱对比了不同网络条件下自适应DMC算法和传统DMC算法的性能。仿真结果表明自适应DMC算法能够适应网络条件的变化,为NCS提供更好的控制品质。     

AdaBoost-PSO-LSTM网络实时预测机动轨迹

针对自主空战中轨迹预测难以同时保持高预测精度和短预测时间的问题, 提出一种自适应增强的粒子群优化长短期记忆网络预测方法。首先，建立三自由度无人机动力学模型, 解决机动轨迹的数据来源问题。其次，分析长短期记忆网络, 并引入在线预测的滑动模块输入矩阵, 利用粒子群优化算法代替传统基于时间的反向传播算法进行网络内部权值更新; 同时为解决优化算法非定向性问题, 提出数据共享方法。然后，为进一步提高预测精度, 采用自适应增强算法搭建外框架, 通过控制弱预测器的数量平衡预测精度与预测时间。最后, 在一段变化较为频繁的轨迹进行预测, 与5种神经网络预测方法进行比较, 结果表明所提方法能够较好地满足精度和时间要求。     

有向多重边复杂网络的自适应同步控制

基于网络拆分的思想,将具有不同时延的多重边有向复杂网络进行拆分,建立了具有非线性耦合节点的多重边有向复杂网络模型,并对其自适应同步控制加以研究.运用Lyapunov稳定性理论并结合自适应控制方法,给出了外部耦合系数未知的情况下自适应同步控制器的设计,最后以陈系统为例对多重边有向复杂网络进行数值仿真,验证了控制策略的有效性.     

多层耦合网络传播综述

简要介绍多层耦合网络上传播动力学方面的阶段性研究进展以及存在的一些问题,主要关注的内容:多层耦合网络上的生物传播、社会传播、生物-社会耦合传播及多层耦合网络面临的一些挑战性问题。这些阶段性的研究成果从多层耦合网络的新角度加深了我们对真实传播过程及其机制的理解。能更好地控制疾病传播和减少它对人类的危害,深入探讨相关问题将有助于明确下进一步研究的方向。     

行为反应对复杂网络上传染病动力学的影响

结合国内外的最新研究进展,重点介绍个体行为反应对传播动力学的影响,尤其是对复杂网络上传染病动力学的影响,最后提出一些值得深入研究的问题。     

知识转移与网络组织的动力学行为模式( Ⅰ)

过去的研究表明知识转移与网络组织的结构特征和行为模式之间存在互动作用.但是,许多研究只从微观层面上探讨了网络组织中的知识转移过程,而对知识转移过程中网络组织呈现的宏观动力学行为特征以及微观与宏观之间的联系还缺乏相对细致的考察.利用虚拟实验,在规则系统的基础上,探讨了知识转移与网络组织的动力学行为模式之间的相互依赖关系.     

基于自适应多小波网络预测模型的飞控系统故障诊断仿真研究

提出了一个基于自适应多小波网络预测模型的飞机机械故障诊断新方法,给出了自适应多小波网络的构造方法和训练算法。以某型飞机作动器为例的计算机仿真结果表明,该方法故障诊断的能力及实时性都得以提高。     

用于前向网络的自适应模糊训练算法

在对前向网络的学习机制和寻优机制进行研究的基础上,提出了一种自适应模糊加速训练算法,可在网络学习过程中,通过模糊推理,对网络拓扑结构、学习因子、惯性因子及激励函数进行自适应调整,实例验证表明该算法具有收敛速度快、不易陷入局部极小、网络综合性能好等特点.     

多层网络和含时网络的相关问题研究

从多层网络的鲁棒性、多层网络的拉普拉斯谱、含时网络的时间特征、社会网络含时性和多层性对舆情演化动力学的影响4个方面,就近年来的一些活跃的研究课题作了综述。     

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.     

嵌入晶格的地理网络的逾渗

研究了地理结构对复杂网络逾渗阈值的影响，提出了一个空化网络模型，并做了相应的数值计算。发现当地理约束很弱时，地理网络一般是空间上很稀疏地连接，此时，即使网络拥有抽象的拓扑结构（度分布），网络的逾渗也比网络被密集连接时容易，也就是说，稀疏连接的地理网络的鲁棒性更高。基于这些研究结果，对一些真实网络中的基本现象给出了解释。此外，基于真实网络建设的最小消耗原则，提出了一些建设性的建议。嵌入晶格的网络模型虽然在大多数情况下并不是网络产生的真实模型（比如BA模型），但当网络结构随时间的变化可以忽略时，它也可以很好地研究复杂网络上的动力学问题。     

多入多出非仿射系统的径向基网络逆控制方法

针对多入多出非仿射非线性系统, 提出了一种径向基网络补偿逆模型误差的自适应控制方法. 将难以求逆的非仿射项分解为可逆部分和不可逆部分, 可逆部分作为理想逆来近似系统的直接逆, 逆模型误差用径向基网络的自适应控制信号补偿, 网络权值利用不可逆部分非仿射信息更新, 应用均值理论和Lyapunov函数证明了自适应控制律的稳定性. 仿真结果验证了该方法的有效性.     

基于DRNN的ATM网络拥塞控制及仿真

提出一种在用户－网络接口处利用对角递归神经网络（ＤＲＮＮ）作为自适应预测器,实现ＡＴＭ网络自适应拥塞控制的模型。当ＤＲＮＮ预测下一时刻缓冲区中的信元数超过阈值时,控制器产生一个反馈控制信号减小信源进入网络的信元速率以避免拥塞发生。用语音和图象信源所作的仿真本文提出的模型较基于常规前馈网络的模型具有系统结构简单、控制效果好、实时性好等优点。