一类中立型Cohen-Grossberg神经网络的概周期解

研究一类具有混合时滞的中立型Cohen-Grossberg神经网络。通过建立线性辅助方程， 得到该神经网络存在唯一的概周期解的新结果，同时也给出此概周期解的存在范围。     

多重网络中的创意扩散模型研究

基于线上线下多种渠道的创意扩散研究是企业管理的新兴研究热点之一.为此,引入多重网络理论与传播动力学理论,考虑工作中线下沟通、工作中通过企业社交媒体在线沟通及非工作时间电子沟通三种渠道,构建多种渠道构成的多重网络中的创意扩散模型.研究创意在多重网络中持续扩散的阈值条件,并对创意在多重网络中的扩散过程进行仿真实验.结果表明:1)当员工在单位时间内通过以上各渠道沟通的平均次数较接近时,在多重网络中创意扩散的速度较快,创意扩散的范围较广;2)与匀质网络相比,当非工作时间电子沟通子网络是无标度网络时,在多重网络中创意扩散的速度较快,扩散的范围较广;3)增大子网络层间创意扩散的相互促进作用对整个多重网络中创意的有效扩散有积极影响.     

人工智能:统治人类还是服务人类?——基于历史唯物主义的思考

人工智能引起了社会各界的高度关注,并正在广泛而深刻地影响着社会生活。人们在享受人工智能带来的好处和便利的同时,也对人工智能的风险产生了巨大的担忧。人工智能究竟会统治人类还是服务人类?历史唯物主义为这个问题提供了一个独特的思考视角。从历史唯物主义的视角看,人工智能的本质是人的本质力量的对象化,是人类实践活动的成果。人工智能的活动与人的活动有本质的区别,它不会实践,因而人工智能不是人,更不会全面超越人类和统治人类。人工智能的益处和风险均来自于其应用,而其应用又从根本上取决于其所处的社会生产方式。故人工智能究竟是全面服务人类还是给人类带来风险,从根本上取决于生产方式。     

基于GAN的通信干扰波形生成技术

现有通信干扰方法, 通常基于通信侦察中获取的目标信号特征进行干扰决策, 选取合适的干扰波形实施干扰, 难以应对目标信号特征未知或参数动态变化的情况。为此, 提出一种基于生成对抗网络(generative adversarial networks, GAN)的通信干扰波形生成技术, 运用GAN直接提取目标信号的潜在特征, 并生成与目标信号特征相似的干扰波形。在介绍GAN原理的基础上, 首先设计网络模型, 并对学习率进行优化, 使GAN更适用于时间序列通信干扰波形的生成。然后通过对不同类型和参数的通信信号进行干扰波形生成实验, 验证了该技术的泛化性。最后进行干扰效果对比试验, 结果表明, GAN生成的干扰波形干扰效果能够逼近最佳干扰效果。     

基于生成对抗网络的信号调制方式的开集识别

为解决信号调制方式的开集识别问题,基于生成对抗网络提出了一种适用于一维信号数据的重构判别网络模型,该模型由重构网络和判别网络组成,分别用来重构和判别输入信号。两个网络在相互对抗的训练过程中,对已知调制方式信号的数据分布形式充分学习,使得重构后的输出不仅能够呈现已知调制方式信号更多有用的信息,而且能够扰乱未知调制方式的信号,从而增强判别网络对输入信号调制方式的判别能力。仿真结果表明,该模型能够实现信号调制方式的开集识别,而且在信噪比大于0 dB时,对已知调制方式和未知调制方式信号的识别率均大于93%。     

An ensemble of LSTM neural networks for high‐frequency stock market classification

We propose an ensemble of long–short‐term memory (LSTM) neural networks for intraday stock predictions, using a large variety of technical analysis indicators as network inputs. The proposed ensemble operates in an online way, weighting the individual models proportionally to their recent performance, which allows us to deal with possible nonstationarities in an innovative way. The performance of the models is measured by area under the curve of the receiver operating characteristic. We evaluate the predictive power of our model on several US large‐cap stocks and benchmark it against lasso and ridge logistic classifiers. The proposed model is found to perform better than the benchmark models or equally weighted ensembles.     

基于免疫粒子群优化的移动Sink路径规划算法

为了减少能量空洞和延长网络生命周期，在无线传感网中采用移动 Sink 的方式收集节点采集的数据是解决能 量效率问题的有效措施．采集路径的规划问题类似于旅行商问题，无法得到多项式时间的解．提出了将人工免疫算法和粒子群算法相结合，针对移动 sink 数据收集的路径规划问题寻求近似最优解，仿真结果表明: 与其他算法进行性能比较，所提出的优化算法能够有效减少能耗和缩短遍历路径．     

基于复杂网络的国际石油贸易关系定量研究

针对如何更加准确地评价国际石油贸易关系问题，开展了将该贸易关系进行网络化和结构化的特征指标量化分析研究。研究中以复杂网络理论进行网络化建模，以结构平衡理论进行定量分析，采用了计算聚类系数、平衡度等关键指标进行年度基准对比。获得了国际石油贸易关系网络随着贸易者数量的增加尤其是进口国数量增加，网络的聚类系数变大，平衡度值增加，整个贸易网络平衡性变差，贸易关系变得更加紧张这一结论。本研究采用网络化和结构化的方式进行关系评价，是将石油贸易关系的研究从定性推进至定量的有益尝试。     

一类离散时间复杂网络系统的输出同步

利用线性稳定性理论和Lyapunov函数方法,研究了一类离散时间复杂网络系统的输出同步问题,得到了系统输出指数同步的充分性条件,数值算例表明了方法的有效性.     

星型网络的几种故障诊断度研究

针对星型网络的故障诊断问题,利用集合论、图论等方法对星型网络的结构特性进行研究,给出了星型互连网络在PMC故障模式下的几种诊断度,包括:一步故障诊断度,t1/t1-诊断度,局部故障诊断度。对于一个n维星型网络(n≥3),其一步故障诊断度、t1/t1-诊断度策略和局部故障诊断度分别为n-1,2n-4和n-1,这些诊断度的提出,对星型互连网络的可靠性和容错性的研究具有重要的意义。