混沌神经网络的同步及其在保密通信中的应用

利用神经网络的学习、逼近能力来构造混沌神经网络 ,提出非线性反馈控制混沌同步方法来同步两个混沌神经网络 ,并基于混沌神经网络的同步给出一种新的混沌保密通信系统 .理论分析和数值实验结果表明 ,新系统具有较强的通用性和柔韧性 ,且有同步速度快、信号恢复精度高和密钥量大等优点 .     

一种在线自适应控制马氏链的强化学习算法

讨论平均准则控制马氏链的强化学习算法。目的是寻找使得长期每阶段期望平均报酬最大的最优控制策略,由于事先未知状态转移矩阵及报酬向量,故必需使用自适应控制方法,通过引入称之为行动器和评判器的神经网络构造,使得学习单元在不断学习中,最终能发现最优策略。行动器的参数在学习中不断被修正,每一时刻的参数的值均对应着一个随机控制策略。评判器用来估计这些参数以找出最优控制策略。     

Eisenstein判别法的两种变通形式

多项式的可约性与多项式的因式分解有密切的联系,判断一个整系数多项式在有理数域上是否可约,有重要的Eisenstein判别法(以下简称E-判别法).即对整系数多项式f(x)=a_nx~n a_(n-1)x~(n-1) … a_1x a_0,如果存在一个素数p,使P(?)a_n,P(?)a_i,(i=0,1,2,…n-1)但P~2(?)a_0,那么f(x)在有理数域上不可约,但对任意一个整系数多项式来说,满足E-判别法条件的素数P不总存在,因而它在有理数域上的可约性,不能完全由E-判别法本身所确定.例如x~2 1与X~2 3x 2都不存在满足判别法条件的素数P,但前者不可约而后者可约,本文给出E-判别法的两种等价形式,通过对f(x)适当变形,扩大E-判别法的适用范围.     

测井约束多尺度储层厚度反演

在多尺度小波分解理论的基础上,提出利用速度剖面和测井曲线的多尺度小波分解结果,在测井约束下分别确定砂体的位置、几何形态,计算薄砂体的视累计厚度和含油气砂体的视累计厚度;并将各尺度下计算的视累计厚度作为人工神经网络的输入,反演得到最终精确的薄砂体的累计厚度和含油气砂体的累计厚度。经三维地震资料连片处理证实：该方法稳定可靠,确定的砂体位置准确,反演结果具有较高的精度     

自组织特征映射神经网络用于语音识别的研究

该文提出了一种优化的自组织学习算法。基于自组织特征映射(SOM)神经网络和隐马尔柯夫模型(HMM)法,组成了一种新的语音识别系统,该系统采用SOM网络作为矢量量化器。SOM网络经过优化的自组织学习算法训练后,再用K均值聚类算法对其进行调整。实验结果表明,该文提出的语音识别方法确实能提高系统的识别率。     

利用线性约束的二阶最小均方算法进行自适应空时抗干扰

在无线衰落的通信信道中,空时编码的多输入多输出的（MIMO）系统具有很好的性能,但是多址干扰也很严重,提出一种自适应线性约束的二阶最小均方（LC-SOLMS）空时抗干扰算法,来抑制多址干扰和噪声。模拟结果证明：该算法具有较好的干扰抑制能力和快速的收敛性能。     

基于局部信息增强注意力机制的网络流量预测

针对网络流量具有强烈的非线性和不确定性导致传统统计方式或者机器学习方法难以准确预测的问题,为进一步提升网络流量预测精度,在传统时序序列预测模型的基础上设计实现了一种局部上下文信息增强的注意力机制,通过卷积计算将输入转换为注意力机制中的Query和Key,从微观角度对时间序列进行解释,提高了预测模型的局部感知能力。进而将提出的注意力机制分别与长短期记忆人工神经网络和门控循环单元两个时序预测模型相结合并将结合后的模型用于某运营商提供的两个不同网络流量数据集进行网络设备流量预测。实验结果表明基于局部上下文信息增强注意力机制的预测模型具有更好的预测效果。     

复合点坝演化模式及成因分析

复合点坝是由多期残缺点坝组合在一起形成的复合体，储层内部结构复杂、非均质性强。以往关于点坝的研究，多是从点坝的形态、粒度、规模和水动力成因去分析，极少从点坝形成的“残缺性”做定量研究和成因分析。选取阿尔伯塔盆地下白垩统McMurray组的地震切片、密西西比河New Madrid曲流河段卫星照片、曲流河数值模拟和物理模拟等资料，统计拟合复合点坝演化阶段和复合度的关系，在二维坐标轴投点后，都可以拟合得到一条相似的对数曲线y=-a ln x+1。得出复合点坝演化符合以下规律：某一期点坝从形成至被破坏成残缺状态，其残缺程度（复合度）与演化阶段呈对数递减关系。该结论对曲流河理论研究和砂体表征都具有一定价值。