小世界网络同步的非线性时滞反馈控制

大脑的病态同步放电活动会导致一些神经类疾病,如帕金森、癫痫等.采用Izhikevich神经元模型构建一个兴奋-抑制小世界网络,增加网络的耦合强度能够实现网络的同步簇放电.对网络施加非线性时滞反馈控制,网络的这种同步活动很快消失.仿真结果表明:微分形式的反馈控制去同步的同时,保持了单个神经元的固有放电特性,且这种反馈控制不具有侵害性.直接形式的反馈控制通过抑制神经元的放电活动来抑制网络的同步,这种形式的反馈控制对刺激参数的变化具有鲁棒性,更适用于实际的深度脑刺激术.     

神经网络受损对神经元放电模式及同步行为影响的研究

以Hindmarsh-Rose(HR)神经元模型为节点构建一个环状耦合的神经网络,考察网络受损后对其放电模式及同步行为的影响.研究发现,当神经网络正常时,神经元具有较好的接收和输出信息的性能,合适的耦合强度可以调节体系的放电模式和同步行为.而当网络中出现一定程度的损伤时(包括部分神经元或突触连接受损),均会导致神经元的接收或输出信息的性能减弱,从而引起体系中神经元放电模式和放电频率发生改变,体系的同步程度降低.上述研究结果表明神经网络受损将影响神经元的放电活动,并导致网络的异常同步行为,从而为揭示神经性疾病的形成机理提供一定的理论解释.     

一种基于P2P系统的数据库模型

构建了一种基于P2P系统的本地关系数据库模型LRM,给出了LRM的语义定义及体系结构,旨在解决客户机/服务器方式的分布式数据库系统存在的瓶颈节点,解决为保持节点间的数据一致性而增加的网络传输负荷问题.通过实例分析了模型中各对等节点之间通过域关系进行的数据传输,以及如何实现各节点之间的一致性规则.实例表明,采用LRM模型可以降低数据库系统中节点之间的数据通信量,使各节点能够提供更灵活的数据和服务共享,提高了系统的可靠性.     

基于社团结构的网络协同防御

以公共互联网安全需求为背景,研究基于社团结构的网络协同防御问题.首先,根据网络逻辑结构及节点功能,将目标网络划分为多个网络社团,按照分布式协同控制模式设计了协同防御架构基础通信模型,在此基础上,融合信息蜜罐和蜜网、协同防御策略库、基于节点信任值管理的防火墙等功能模块,提出了基于社团结构的网络协同防御架构.其次,借鉴网络生态系统运维理念,设计了网络协同防御机制,通过态势感知协同、态势分析协同、行动决策协同和调节反馈协同等集体行动,提升网络的病毒检测能力、快速响应能力和应急恢复能力.最后,以潜伏型病毒防御为例,给出了网络协同防御流程,仿真分析了协同防御性能.相比无协同防御网络,基于社团结构的网络协同防御能以较小的通信损失,抑制潜伏型病毒传播和维护网络安全.     

延时FitzHugh-Nagumo神经网络的时空编码

为更接近真实神经系统,考虑具有延时的FitzHugh—Nagumo神经元组成的神经元网络,发现其并不是单个发放而是簇状发放,有利于模式的时间分割．给定一个输入模式,它是几种模式的叠加,网络能够以一部分神经元同步簇放电的形式一个接一个地分割出每一种模式．如果输入的模式是缺损的,系统能够按记忆的模式恢复,即网络具有联想记忆功能．     

LAN环境中的分布式同步方法研究

为了满足LAN网络环境下各节点对于同步精度的要求,提出了一种分布式实时同步方法,该方法基于中间层的同步模型,具有基本的一致性约束和严格的同步误差控制.该方法在初次同步与后续的周期性再同步过程中,通过对进程进行功能划分与合理规划,为各节点提供了快速有效的通信环境.在RT Linux环境下应用该方法对实验节点进行同步,并对实验前后的时钟误差进行测量.结果表明,在小规模的分布式LAN环境下,该方法能够在长时间的运行中实现节点间的同步效果并将时钟误差严格控制在合理的范围内,有效地提升了同步效率,保证了LAN环境的实时性.     

企业协同生产网络的拓扑特性分析

深入研究企业协同生产网络的拓扑结构与功能特征的关系,是提升协同生产效率、系统鲁棒性的重要途径。针对国内外典型企业协同生产模式的特点,建立了企业协同生产网络的拓扑学模型,并应用图论中复杂网络方法,分析讨论了典型的重化工企业协同生产系统网络结构和功能特征。研究结论表明：企业协同生产网络具备小世界特性、无标度特性、节点中心性,复杂网络拓扑结构特性对实际系统的效率和功能存在影响。     

具有不同节点动态和拓扑结构的两个复杂网络之间的同步

基于节点输出线性耦合模型,首先针对节点动态不同的两个复杂网络,利用节点的输出变量(标量)设计结构简单的控制器使得两个网络获得同步,根据Lyapunov稳定性定理,推出相应的同步准则。然后,进一步研究了具有不同节点动态和拓扑结构的两个复杂网络间的同步问题,同样利用节点输出变量设计控制器,进行网络的同步控制。最后通过仿真验证本方法的有效性。     

具有时变时滞耦合的两个不同复杂网络的自适应同步

针对两个不同的时变时滞耦合复杂网络,提出一个新的网络同步模型.该模型中的两个网络在节点数目、拓扑结构、内部耦合、耦合时滞及节点动态均可不相同.基于LaSalle不变原理,设计自适应控制器使得两个网络获得同步.进一步研究了具有未知拓扑结构的两个复杂网络的自适应同步问题.数值结果表明了本文方法的有效性.     

无线传感器网络多代理平台中间件设计

针对基于移动代理应用模式在无线传感器网络中的设计实现问题,该文提出了一种基于静态代理的多代理平台模型和支持移动代理应用模式的传感器节点软硬件分层结构,阐述了移动代理模式在无线传感器网络中的应用优势,描述了基于静态代理的多代理平台和各静态代理的作用及协作过程.基于移动代理模式的应用说明了多代理平台能够便利地实现移动代理在无线传感器网络中的应用,最后通过客户端/服务器模式和移动代理模式应用对比,说明了基于多代理平台的网络具有较高网络重复利用率和应用灵活性优势.     

拓扑结构时变的多时滞耦合供应链复杂网络的牵制控制

为研究具有时变拓扑结构的多时滞耦合供应链复杂网络的牵制同步问题,以实现供应链复杂网络的同步运作,减少供应链的运作成本,提高运行效率;通过运用Lyapunov稳定性理论,采用牵制控制和反馈控制的方法得到了具有多时滞延迟耦合的供应链复杂网络的新的网络同步准则;根据供给、库存、销售和价格之间的关系,建立了一个新的具有丰富动力学行为的供应链复杂网络单节点的混沌动力系统模型,并用该模型进行数值仿真,进一步验证了结论的有效性.     

2个时滞复杂动态网络的广义同步

针对2个不同节点和不同拓扑结构的时滞复杂动态网络,研究2个网络之间的广义同步问题.基于驱动-响应同步策略,对其中的一个网络施加控制,运用连续系统的Lyapunov稳定性分析方法,得到相应的广义同步判据.以某产品的生产者和该产品的消费者作为2个网络的动态节点,验证方法有效性.结果表明,通过设计满足广义同步判据的控制器,可以实现2个不同网络之间的广义同步.     

基于重叠节点的社会网络最短路径算法

通过路径发现和分析可以挖掘社会网络中人与人之间的关系及其连接特性,特别是在犯罪网络的应用中具有重要意义。通过社区发现算法获得社区间的重叠节点,并构造目标网络的分层网络模型;基于社会网络的高聚集系数特性及幂律分布拓扑特征,提出了基于重叠节点的分层网络路径发现(HOLN)算法,以核心节点距离代替社区间距,优化路径搜索方向;优先搜索重叠节点,简化对节点的遍历,实现源与目标间最短路径的快速发现。实验结果表明,本文提出的HOLN算法在计算精度和运行效率上都有令人满意的表现。     

基于局域社团的人类脑功能网络生成模型

研究了人类脑功能区域间拓扑结构与解剖结构两种因素对脑功能网络建模的影响,提出了基于局域社团的人类脑功能网络生成模型.模型中的局域社团拓扑结构采用功能区域间的共同邻居及邻居间的局域连接表示,解剖结构用人脑区域间的解剖距离代表.为了衡量模型生成网络与基于fMRI数据构建的真实数据网络之间的相似性,提出了用于校验网络间接近程度的相似性能量指标.实验结果表明,相比传统生成模型,基于局域社团的脑功能网络生成模型在网络效益、聚集系数、模块性、度分布等属性方面都能够更精确地模拟真实数据网络.     

基于神经元连接的脑网络减边演化算法

神经元间的连接以先增大后减小的方式演化,这提示了大脑神经元网络在演化过程中存在“剪除”过程。以“剪除”为启发,本文首先使用数学方法对大脑网络进行建模,然后基于大脑网络中的神经元连接方式,设计了网络减边演化算法。最后,考虑布线消耗和信息传输之间的效率,建立了大神经元优先与距离优先的演化博弈模型,探索该模型对脑网络拓扑结构特性的影响。实验结果显示,在此演化过程中呈现了中心节点度≈200、小世界特性S>1和高效率代价比等性质, 表明该算法能够有效模拟仿神经元剪除机制。上述算法和模型为有效模拟高效低能耗的脑网络提供了一种新途径。     

两电机同步系统的神经网络控制

在对两台感应电机同步系统模型分析的基础上,依据同步系统的结构特点和控制要求,结合人工神经网络的非线性映射、自适应、自学习等能力,提出一种新的基于神经网络的两电机同步系统控制方案,其中神经网络控制器由基于RBF网络整定的自适应PID控制器和神经元解耦补偿器两部分组成.两个自适应PID控制器分别对速度控制回路和张力控制回路进行自适应控制,使系统具有更强的适应能力、更好的实时性和鲁棒性;神经元解耦补偿器综合两控制回路的耦合作用,通过训练网络权值,补偿各回路之间的耦合影响,实现速度和张力的解耦.试验结果表明:采用神经网络控制方法可以实现两电机同步系统中速度和张力的解耦控制,系统具有良好的动静态性能.     

面向移动传感器网络的自适应一致性融合估计方法

研究了具有时延和通信拓扑变换的移动传感器网络（MSN）分布式融合估计问题.结合无色信息滤波、自适应一致性算法并考虑通信时延而设计的基于自适应一致性的融合结构,提出了一种名为基于自适应一致性的分布式无色信息滤波（AC_DUIF）的分布式融合估计算法.以空中移动传感器网络跟踪移动目标为例,通过仿真验证了所提算法的性能.仿真结果表明,该方法能够在以分布形式提高网络中各节点对目标位置估计精度的同时,保证节点之间的一致性,并具备对网络通信延时的适应能力.     

基于神经元连接模式的脑网络减边演化博弈算法

神经元间的连接以先增大后减小的方式演化,提示了大脑神经元网络在演化过程中存在"剪除"过程。以"剪除"为启发,首先使用数学方法对大脑网络进行建模;然后基于大脑网络中的神经元连接方式,设计了网络减边演化算法。最后,考虑布线消耗和信息传输之间的效率,建立了大神经元优先与距离优先的演化博弈模型,探索该模型对脑网络拓扑结构特性的影响。实验结果显示,在此演化过程中,呈现了中心节点度约为200、小世界特性S1和高效率代价比等性质,表明该算法能够有效模拟仿神经元剪除机制。上述算法和模型为有效模拟高效低能耗的脑网络提供了一种新途径。     

电磁辐射下神经元放电模式及其环状耦合同步研究

鉴于外部磁场会对神经元放电活动产生影响,讨论了具有磁场作用的四变量ML(Morris and Lecar)神经元模型,利用快慢动力学揭示了其簇放电类型及分岔过程,并分析了随磁通反馈系数变化时系统放电行为. 同时以三个环状耦合神经元模型为例,通过定义同步判断标准——互相关系数和快慢变量的极大同步差,发现耦合神经元在磁场作用下,很小的耦合强度就可使系统从混沌状态转迁到周期放电模式并能诱导神经元完成从互不相关到簇放电同步再到峰放电同步的转迁. 且在合适的双参数范围内,适当耦合强度下系统更容易实现同步,有助于理解在适当耦合连接方式下电磁辐射对神经网络集群放电活动的影响及其同步机理.     

电磁场耦合忆阻神经网络的放电模式及同步行为研究

神经元电活动依赖于外界刺激及其感应电流,而细胞内部离子穿越细胞膜会诱发时变磁场。此外,每个细胞膜表面都被视为具有复杂电荷分布的带电体,会产生感应电场。因此,在传统的神经元模型中引入电磁场变量并研究电磁场耦合对神经网络集体动力学行为的影响具有实际意义。本文提出一种考虑电场和磁场的神经网络模型,其中采用磁控忆阻器模拟细胞内的电磁感应效应,描述磁通量和膜电位之间耦合。通过数值仿真研究电磁感应对神经网络的放电模式转换以及网络同步行为的影响,发现电场和磁场感应可以诱导神经元电活动模式发生转变,还发现突触连接的增强更能促进神经网络同步行为。本文考虑电磁场对神经元的作用,研究结果可望为认识神经系统的信号编码和传播机制提供新的见解。