使用最小串行策略的小通用脉冲神经膜系统

膜计算是生物计算的新分支,具有强大的计算能力和潜在的应用价值.使用最小串行策略的脉冲神经膜系统是一类基于神经元细胞的膜计算模型,在该系统中引入带权的突触,分别构造了含有71个神经元的基于最小脉冲数目的函数计算型小通用串行脉冲神经膜系统和含有66个神经元的基于最小脉冲数目的数的产生型小通用串行脉冲神经膜系统,通过模拟注册机证明了2个系统的通用性.     

通讯膜计算系统研究综述

膜计算是自然计算的一个分支,文章主要研究从活细胞的结构和功能中或从组织和器官等细胞群协作中抽象的计算模型.根据膜结构不同,膜计算系统可以分为细胞型膜系统(树状结构)和组织型膜系统或脉冲神经膜系统(任意图结构).细胞间的通讯是膜系统中的一个重要特征,文章讨论的通讯规则是指同向/异向规则,对细胞型和组织型通讯膜系统的研究现状进行概述,从计算能力和计算复杂性方面介绍这2类通讯膜系统的研究进展.最后给出通讯膜系统中存在的一些问题.     

模糊膜计算模型与应用研究综述

膜计算是由生物细胞(群)相关机理启发的一类分布式、并行计算模型.膜计算模型已被证明是强大的并且以多项式时间复杂性求解众多的NP(non-deterministic polynomial)问题.膜计算模型与算法是膜计算领域的核心关键问题,特别是面向应用问题的模型和算法.模糊膜计算是近年开发的一种膜计算模型,它能克服先前模型在处理不确定性问题上的限制,得到极为广泛的关注.目前,模糊膜计算模型已在诸如电力系统故障诊断、微网控制中得到应用.首先简要地介绍几种模糊P系统,然后描述它们在工程问题中的应用.     

使用最小串行策略的均质脉冲神经膜系统的计算通用性

脉冲神经膜系统是根据神经网络中神经元相互之间依靠突触来处理脉冲的生物现象而提出的,具有良好的计算性能及潜在的应用价值。使用最小串行策略的脉冲神经膜系统是一类特殊的脉冲神经膜计算模型,为了验证其在均质情况下的通用性,引入了带权值的突触,构建了均质的基于最小脉冲数目的串行脉冲神经膜系统。使用自动机理论和形式语言,通过模拟注册机证明了作为数的产生装置和接受装置,使用最小串行策略的均质脉冲神经膜系统都是通用的。     

基于SNP系统的改进粒子群聚类算法

脉冲神经膜系统是基于神经生物学的高性能计算模型.在标准粒子群聚类算法中引入脉冲神经膜系统,将初始聚类中心的各种组合作为粒子分配到若干个神经元,在神经元中进行粒子群的迭代与进化.利用脉冲神经膜系统的高并行性,在更短的时间内得到更优化的初始聚类中心,为K-means算法的局部寻优提供更好的聚类初值.实验结果表明,改进后的算法可以进一步提升聚类的准确率,取得更好的聚类效果.     

膜计算系统求解计算困难问题综述

在膜计算领域,一个备受关注的问题是证明各种膜系统模型能否在多项式时间内解决计算困难问题.然而一个重要的事实是,许多能够求解NP完全问题的膜系统模型甚至可以在多项式时间内解决PSPACE完全问题,有的模型可以刻画P#P(该复杂类被推测为严格包含在PSPACE中).文章主要介绍几类可以有效求解计算困难问题的膜系统,包括活性膜膜系统、膜上带蛋白膜系统、组织膜系统、带膜分裂的同向/反向规则膜系统以及脉冲神经膜系统;概述了这些膜系统模型的计算复杂性,指出了一些可以提高膜系统计算能力的特性,最后给出膜系统中存在的一些公开问题.     

膜计算在图像处理领域应用研究综述

随着计算机与信息技术的高速发展,图像处理已深入到各行各业,海量数据以及复杂算法所面临的高速实时处理成为图像处理领域急需解决的问题.膜计算是由生物细胞(群)相关机理启发的一类分布式、并行计算模型,已被证明能以多项式时间求解计算难问题.综述膜计算在图像处理领域中的应用,着重从图像低层处理(图像平滑、骨架提取)和中层处理(图像分割、立体匹配、图像配准、图像分解与重建)两方面对膜计算在图像处理领域的应用进行了介绍和分析,并给出了膜计算应用于图像处理领域的今后可能的发展方向.     

带通道状态通讯膜系统的研究综述

膜计算是一种生物启发式计算,其来源于对活细胞组织或器官结构及其功能的抽象模拟.细胞间最多建立一条链接,这条链接又称为突触,突触上有与其相关的通道状态.因此,根据此生物现象,提出了一种新型的计算模型:带有通道状态的通讯膜系统.这类膜系统是一类分布式并行计算模型,系统中细胞间的通讯主要依赖于细胞膜通道上同向/异向转运规则的使用,其中每个通道上的规则以一种串行的方式执行,且通道上的状态用来控制细胞间或细胞与环境间的通讯.文章根据带通道状态的同向/异向转运规则对细胞型通讯膜系统、组织型通讯膜系统,带有细胞分裂和通道状态的细胞型识别通讯膜系统及带有细胞分裂和通道状态的组织型识别通讯膜系统的概念分别进行了介绍,并说明了这些系统的计算能力以及计算复杂性.最后进行了总结并给出了未来展望.     

基于卷积脉冲神经网络的故障诊断方法研究

深度学习为轴承故障诊断的智能化发展提供了新思路。本文从类脑计算角度出发，设计一种对轴承数据敏感的脉冲神经网络来完成故障数据分类任务。首先采用信号分解的方式提高原始信号特征提取效果，然后对故障信号进行脉冲编码，并采用多分量混合输入方式填充时间步作为神经网络的输入，最后采用卷积脉冲神经网络(SCNN)进行故障分类。为了验证该模型的分类效果，采用西储大学轴承数据集进行验证，分类准确率达到了99.78%。结果表明该轴承数据编码方案可以充分发挥脉冲神经网络时空动力学特征，且该脉冲神经网络模型在轴承故障诊断问题上具有高精度、高效率的特性。本研究有利于促进脉冲神经网络在故障诊断领域的研究和应用。     

链式膜系统及直接(间接)膜算法与聚类分析研究进展

当前关于膜计算的研究有很多,但是大部分都停留在理论研究层面,关于膜计算的应用研究依然比较少.现有膜系统主要包括细胞型膜系统、组织型膜系统和神经型膜系统.现有膜系统及其变形都是基于图结构的设计,为了进一步扩展膜系统的应用能力,将现有的基本膜系统结合离散Morse理论,创建了新型的单纯形P系统.同时将细胞的多维框架思想加入膜系统研究中,从形式化的角度,创建了膜系统的链式结构.将膜系统的极大并行性和聚类分析模型进行结合,不仅可以用于处理高复杂度、数量庞大的数据集,而且还可以提高聚类算法的性能,具有广泛的应用价值.针对两种新型膜系统进行了详细介绍,同时将膜系统与聚类问题进行结合的研究进行了概述.     

Advances in simulated modeling of vibration systems based on computational intelligence

Computational intelligence is the computational simulation of the bio-intelligence, which includes artificial neural networks, fuzzy systems and evolutionary computations. This article summarizes the state of the art in the field of simulated modeling of vibration systems using methods of computational intelligence, based on some relevant subjects and the authors' own research work. First, contributions to the applications of computational intelligence to the identification of nonlinear characteristics of packaging are reviewed. Subsequently, applications of the newly developed training algorithms for feedforward neural networks to the identification of restoring forces in multi-degree-of-freedom nonlinear systems are discussed. Finally, the neural-network-based method of model reduction for the dynamic simulation of microelectromechanical systems (MEMS) using generalized Hebbian algorithm (GHA) and robust GHA is outlined. The prospects of the simulated modeling of vibration systems using techniques of computational intelligence are also indicated.     

大系统分解协调法和非线性规划法应用于电力系统经济调度

讨论了含梯级水电站的大型水火电力系统有功功率最优分配的数学模型，考虑了水电厂上、下游水位的变化、梯级水电厂间的水流时间延迟等因素。通过两次运用对偶分解原理将整个系统分解成一个三级协调系统而得到三级计算结构，文中讨论了各级采用的非线性规划的多种最优化计算方法，并对实际电力系统进行试算和分析，文章对大系统分解协调法，乘子法和一种新变尺度法在水火电力系统短期经济调度中的应用作了探讨。     

深度神经网络模型数字水印技术研究进展综述

近年来,深度神经网络模型在各种应用领域都取得了巨大的成功,训练先进的深度神经网络模型仍需要大规模的数据集、高昂的算力成本和优异的算法思想,生成的深度神经网络模型成为一种宝贵的资源,也是完成人工智能应用领域某项特定任务的核心算法。因此,深度神经网络模型的安全则变得极其重要,利用数字水印版权保护技术保障模型的安全已经成为人工智能安全领域一个重要的研究方向。为了综述深度神经网络模型数字水印版权保护技术的最新研究进展,首先介绍了深度神经网络模型数字水印技术分类;其次介绍了深度神经网络模型数字水印版权保护技术基础概况;再次归纳总结了深度神经网络模型数字水印版权保护技术的研究方法;最后总结并展望了深度神经网络模型数字水印版权保护领域的研究重点和发展方向。     

量子神经计算

量子计算与神经计算的结合是当前人工神经网络理论发展的一个前沿课题 ,由此而产生的量子神经计算新范式具有很高的理论价值和应用潜力。文章在介绍量子计算基本原理的基础上 ,讨论了将它引入神经计算领域的可能性和可行性 ,从理论上分析了量子神经计算所具有的性能 ,并给出量子神经计算模型的几种可能形式。     

基于径向基神经网络的风电场无功补偿优化算法

 针对风电场无功补偿容量计算工作量大、计算过程复杂的问题,提出了应用径向基神经网络优化风电场无功补偿容量计算的方法。首先建立了含风电场的电力系统潮流计算模型,以某风电场实际有功功率作为模型的输入,计算该风电场所需的无功补偿容量;以有功功率作为输入数据,以计算所得的无功补偿容量作为目标输出,建立径向基神经网络,并对该神经网络进行训练。用训练后的径向基神经网络代替潮流计算模型,对该风电场所需无功功率进行计算,结果表明,该方法计算复杂度比潮流计算模型低,计算量少。研究表明可用训练后的径向基神经网络模型代替潮流计算模型,实时计算风电场无功补偿容量。     

基于神经网络和 PRONY 算法的电力系统谐波分析

研究了基于神经网络模型算法和Prony改进算法的电力系统谐波分析问题．为了验证神经网络算法和Prony改进算法在电力系统谐波分析中的有效性,本文进行了计算机仿真研究以及和其它算法的比较研究．研究结果表明,本文提出的电力系统谐波分析方法具有计算精度高和计算速度快的特点．     

电力系统的中期稳定及其非均匀线动态等值研究(Ⅰ)──指数线

提出了用指数线模型作为扩展式系统 △Ｐ－△ｆ过程的动态等值，给出了频域的解析 解，依此求时域解可节省大量计算机时。所定义的新的特征参数有助于查明网络拓扑对 过程的影响。实例验明了方法的实用性。     

基于动量定理的汽车碰撞模型的同一性研究

为了研究基于动量定理的汽车碰撞模型的同一性,分析了2种典型模型建模坐标系的差别.应用理论和实车碰撞试验相结合的方法,对2种模型的同一性进行了研究.在上述研究的基础上,应用2种模型对同一起汽车碰撞事故进行了分析,结果表明：合理选择力学参数能够保证2种模型计算结果相同,从而研究验证了以质心为坐标原点和以碰撞点为坐标原点建立...     

电力系统模数混合试验系统

为了研究新型继电保护和各种探制设备，必须建立一种准确而有效的电力系统实时试验系统，文中讨论了电力系统动态模拟和实时数字仿真(RTDS)的建模、相似性、试验方法和有效性。基于两种试验系统的互补性，作者提出一种模数混合试验系统，在这种混合试验系统中可以进行电力系统控制设备和继电保护的各种性能试验与研究。     

发电机神经网络模型用于电力系统暂态稳定计算

用递归神经网络建立发电机模型,多层输出反馈网络建立励磁系统和调速系统模型,并将此三部分集结构成为一个发电机组的详细模型。将此详细模型写入电力系统的网络方程,联立求解电力系统暂态稳定过程。详细模型写入暂态稳定程序中６机２２节点网络。暂态过程计算结果表明,由人工神经网络模型仿真计算与机理模型常规稳定计算比较,使用人工神经网络模型和机理模型的计算结果非常接近,说明人工神经网络模型可以用于电力系统暂态稳态计算,为今后人工神经网络并行、快速、在线处理电力系统实时计算提供应用途径。