微波接力组网的节点再优化研究

为进一步完善常规方法构建的微波接力网组网拓扑,提出了一种基于最优链路集的网络节点再优化方法。该方法综合考虑节点吸引系数、链路衰落概率、节点通信冗余等因素,借助网络拓扑优化的思想,采用遗传算法构造了微波接力网的最优链路集;以节点在该集合中的度为依据,通过对节点的合理排序,以部分用户节点代替非必要的干线节点,完善了组网拓扑。在修改链路和节点价值集后,该方法还可解决其他网络干线、中继节点的选择问题。     

基于概率图的作战任务智能规划方法

针对人工调配作战资源及规划方案效率低下的问题，本文提出一种基于概率图的作战任务智能规划方法，通过统计分析判定任务间因果关系，采用GNN抽取任务中的关键事件构建概率图并计算任务规划方案成功的概率，进而基于时间序列方法预测战场态势变化，实现辅助指挥员智能决策。最后，本文在某联合登岛案例中开展了方法验证，结果表明，所提出的方法可成功实现任务规划并具有可解释性，可实现对战场态势变化的预测和快速响应，在战场上为军队提供强有力的支持。     

网络环境下高校图书馆的深层次服务

在科技不断进步以及激烈的社会竞争中，高校图书馆服务工作的核心内容应朝着提供深层次服务的方向发展。概述了高校图书馆深层次服务的相关内容，分析了网络环境对图书馆深层次服务的影响，探讨了网络环境下深层次服务的模式，在此基础上提出了做好图书馆深层次服务的措施。     

基础研究空间网络关联结构及影响因素分析

以我国31个省区市2009—2018年国家自然科学基金面上项目为样本,采用改进的引力模型构建省区市之间的基础研究关联关系,在此基础上利用社会网络分析模型分析我国省区市之间基础研究的空间网络结构演化及影响因素。研究表明:网络整体的空间关联性逐步增强,网络效率呈现出平缓的下降趋势;东部沿海经济发达地区并未利用自身的优势对其他地区产生推动作用。基础科研空间关联网络划分为双向溢出、经纪人、净溢出和净受益4个板块,板块内部的联系要大于板块之间的联系。地理位置临近、申请机构数量、科研人员、正副高职数量对基础科研的空间关联结构有显著性影响。     

基于图注意力网络的案件罪名预测方法:CP-GAT

案件罪名预测任务是基于文本数据去预测案件所属罪名.针对现有方法在相似罪名和长尾数据集上表现不佳的问题，提出了一种基于图注意力网络的案件罪名预测方法CP-GAT(charge prediction based on graph attention network).该方法首先使用司法文书数据集中的案例事件描述文本和案例对应的法条信息建立异质图结构数据，构建后的异质图包含两种类型的节点(词节点、案例节点)，两种类型的边(词节点与词节点相连的边，词节点与案例节点相连的边).在基于法律文本构建后的异质图上使用图注意力网络进行图特征提取，最后将得到的特征向量输入到罪名预测的分类器中，得到案例所属的罪名.在CAIL2018法律数据集上的实验结果表明，基于图注意力网络的罪名预测方法优于对比实验使用的方法，准确率和宏观F1值分别达到了95.2%和66.1，验证了提出的方法有利于提升案件罪名预测任务的性能.     

基于注意力机制的GRU神经网络安全态势预测方法

传统的网络安全态势预测方法依赖于历史态势值的准确性,并且各种网络安全因素之间存在相关性和重要程度差异性。针对以上问题,提出一种基于注意力机制的循环门控单元(recurrent gate unit, GRU)编码预测方法,该方法利用GRU神经网络挖掘网络安全态势数据之间的时间相关性;引入注意力机制计算安全指标的分配权重并将其编码为网络安全态势值;利用改进的粒子群优化(particle swarm optimization, PSO)算法进行超参数寻优,以加速GRU神经网络的训练。仿真分析表明,所提方法具有更快的收敛速度和较低的复杂度,并且在不同的预测时长下具有较小的均方误差和平均绝对误差。     

考虑多重不确定性的托管药房物流调度优化

为有效控制药房托管的药品物流运营成本,本文首先结合时空网络架构,将托管药房的药品物流调度过程描绘成一种多层时空网络,继而将研究问题构建为优化领域中的多重货物网络流问题.在此基础上,综合考虑药品物流调度过程中的需求不确定性、配送服务时间不确定性以及药品供应成本的可变性,建立基于药房托管模式的药品物流调度随机优化模型并设计具有挑选规则的混合遗传算法进行求解.参数测试表明,当挑选判断系数设为0.6时,求解算法可以收敛到比较理想的解;算例分析表明,本文所设计的随机优化模型在各决策回合的解与完全信息模型解之间的逼近程度不一,但总误差仅为0.56%;敏感性分析则发现药房最低安全库设置存在一个最优均衡点.     

浅议图书馆读者服务创新

在网络时代,图书馆服务必须在内部结构、管理模式、服务模式等方面进行一系列变革与创新,才能满足读者日益增长的借阅需求,提供高质量的图书馆服务。     

Numerical Simulation of the COVID-19 Herd Immunity Based on Complex Network Modeling北大核心CSCD

鉴于构建流行病动力学模型、探索流行病传播规律对疫情防控具有十分重要的理论意义和实际应用价值,在已有的均匀混合模型基础上,针对个体接触关系异质化越发明显,且每个个体都处在不同的接触关系中,建立了兼顾个体状态与接触追踪的动态小世界网络模型。模拟了新冠病毒在社会中的传播过程。通过对比仿真结果,说明了所建模型的合理性。在此基础上,仿真计算了网络拓扑结构与接种免疫人数占比共同作用下对新冠病毒传播的影响,分析得到群体免疫临界值。说明所建传播模型合理,接种疫苗实现群体免疫可行。     

PBNA： An Improved Probabilistic Biological Network Alignment Method

Biological network alignment is an important research topic in the field of bioinformatics. Nowadays almost every existing alignment method is designed to solve the deterministic biological network alignment problem.However, it is worth noting that interactions in biological networks, like many other processes in the biological realm,are probabilistic events. Therefore, more accurate and better results can be obtained if biological networks are characterized by probabilistic graphs. This probabilistic information, however, increases difficulties in analyzing networks and only few methods can handle the probabilistic information. Therefore, in this paper, an improved Probabilistic Biological Network Alignment（PBNA） is proposed. Based on Iso Rank, PBNA is able to use the probabilistic information. Furthermore, PBNA takes advantages of Contributor and Probability Generating Function（PGF） to improve the accuracy of node similarity value and reduce the computational complexity of random variables in similarity matrix. Experimental results on dataset of the Protein-Protein Interaction（PPI） networks provided by Todor demonstrate that PBNA can produce some alignment results that ignored by the deterministic methods, and produce more biologically meaningful alignment results than Iso Rank does in most of the cases based on the Gene Ontology Consistency（GOC） measure. Compared with Prob method, which is designed exactly to solve the probabilistic alignment problem, PBNA can obtain more biologically meaningful mappings in less time.