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。     

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。     

社交网络下基于个体技能的人力资源配置研究

针对社交网络人力资源的合理分配问题,本文提出了一个切实可行的包括分配机制与支付机制的人力资源配置拍卖方案.在这个方案中,雇主首先向社交网络提交其技能请求及报价;接着,社交网络分别利用人力资源配置拍卖方案中的分配机制和支付机制决定赢者及其支付费用.此外,本文从理论上证明了提出的机制同时满足个体理性、预算平衡、激励相容等良好的经济属性.最后,大量的模拟实验结果表明本文提出的人力资源配置方案可行有效,其具备良好的分配有效性以及较低的计算复杂性.     

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。     

基于模糊均值的细菌群体趋药性复杂网络社团结构发现

复杂网络的社团发现问题是网络数据挖掘中的重要问题之一.利用基于模糊C均值的细菌群体趋药性算法最大化网络的模块度,算法中模糊C均值的初始值由群体细菌取药性算法获得.模糊C均值算法在此基础上发现复杂网络的社团结构.其创新点在于最佳模块度的寻找.实验结果表明:该算法具有对现实世界网络社团划分的可行性和有效性.     

基于数量柔性契约与Markov链的应急物资采购模型

突发灾害是以一定概率发生的随机事件,其状态总是不断发生转移,使政府已采购的应急物资在状态好转时易造成浪费,在状态持续恶化时难以满足突发需求,因此考虑突发灾害状态转移的应急物资采购策略对提升政府应急物资保障能力至关重要.本文将突发灾害状态转移过程视为一个有限次的齐次Markov链,构建了基于数量柔性契约的应急物资采购模型,分析了政企达成合作的条件与双方最优决策策略.采用数值计算与敏感性分析验证该模型的有效性,讨论了若干外生变量对政企最优决策策略与双方成本收益的影响,提出了重要的管理启示.结果表明,突发灾害状态转移情形下的应急物资采购模型既能提高政府应急物资保障能力,又可以保障企业合理收益与控制政府成本.     

广义递归光滑暧昧环境下动态资产配置和资产定价研究

本文采用一种广义递归光滑暧昧模型表示投资者在暧昧环境下的效用函数,该模型能将投资者风险厌恶、暧昧厌恶和跨期替代三者区分开.通过设定代表经济人的学习过程和信念更新机制,将这种效用模型应于基于消费的资产定价模型.当股利增长服从隐马尔可夫机制转换过程,经济人对隐状态存在暧昧性认知时,暧昧性和经济人暧昧厌恶偏好影响资产定价,以及经济人的最优消费计划和最优资产配置.研究结果表明,暧昧厌恶、暧昧环境中的学习和信念更新机制在解释资产定价之谜中起到了关键作用.暧昧厌恶经济人的悲观情绪扭曲其信念,这种信念随经济所处状态不同而发生变化,并对经济处于衰退时期的定价核给予了更高权重,以致于其投资策略更加保守.这种悲观行为有助于传播和放大对消费增长的冲击,并产生随时间而变动的资产溢价.     

基于生成对抗网络的高端装备研制数据脱敏方法

针对高端装备研制数据的保密性和重要性,提出一种基于生成对抗网络(generative adversarial networks, GAN)的高端装备研制数据脱敏方法。面对高端装备研制数据在数据挖掘和数据共享时可能面临泄露的风险,利用GAN进行数据脱敏。在随机生成的高斯数据集上进行实验,通过比较源数据和脱敏数据的统计特征,证明GAN的数据脱敏方法能够有效实现数据脱敏过程中所要求的数据安全性、数据有效性和成本可控性。最后,在Yeast数据集上进行验证, GAN输出的脱敏数据同样在现实世界数据集上表现出色,能够准确地预测Yeast的分类,为高端装备研制数据的管理和分析提供了一种新的思路。     

基于时间窗的SVDBN近似推理算法研究

变结构动态贝叶斯网络(SVDBN)在处理非稳态过程的不确定问题具有其独特的优越性。为克服SVDBN推理算法不能实现在线推理的缺陷,在引入SVDBN的时间窗和时间窗宽度概念基础上,阐述了基于时间窗的SVDBN在线近似推理机制,提出了2种在线近似推理算法,即基于时间窗的变结构离散动态贝叶斯网络(SVDDBN)递推推理算法和基于时间窗的SVDDBN快速推理算法。通过仿真实验验证了这2种算法的有效性,并从复杂度、适用范围及更新时间等方面进行了比较。     

基于神经网络的图像描述方法研究

自动识别和描述图像的内容是人工智能中一个重要的研究方向,它涉及计算机视觉和自然语言处理技术。针对这一难题,提出了一种由深层神经网络模型生成自然语言句子来描述图像内容的方法。该方法提出的模型由卷积神经网络(Convolution Neural Network,CNN)和循环神经网络(Recurrent Neural Network,RNN)组成,其中,CNN用来提取输入图像的特征生成固定长度的特征向量,该特征向量初始化RNN来生成句子。在MSCOCO图像描述数据集上的实验结果表明了该模型所生成句子的语法准确性和语义准确性,且优于先前的基线模型。