ANN-CE:一种预测DNA结合位点的改进神经网络方法

基于误差平方和最小原则的神经网络方法并不适于解决DNA结合位点的预测问题,提出了一种改进的神经网络方法(ANN-CE)被用于对DNA结合位点进行预测.这是一个以交叉熵函数为目标函数的三层反向传播神经网络.计算结果表明,与基于误差平方和最小原则的同规模BP网络相比,其对DNA结合位点预测的敏感性Sn(sensitivity)和特异性Sp(specificity)可分别提高11.40%和11.91%.     

基于RBF神经网络多步预测的自适应PID控制

提出一种基于RBF神经网络多步预测的自适应PID控制算法．该算法用无局部极小的径向基函数网络对非线性系统进行在线辨识，利用多步预测误差对PID型控制器网络进行训练，从而实现PID参数的在线自适应寻优．通过对典型非线性系统的仿真研究，该控制系统具有较强的适应性和鲁棒性．     

网络控制系统的自适应预测控制

针对具有随机时延的网络控制系统,提出一种自适应预测控制方法. 利用Elman神经网络对网络控制系统的随机时延进行在线预测,然后采用一种增加微分作用的改进隐式广义预测控制方法对网络时延进行补偿,实现了随机时延网络控制系统的自适应预测控制. 仿真结果表明,该方法对网络随机时延有很好的补偿效果,可明显改善系统输出性能,保证控制的稳定性与快速性.     

非线性器件的时域有限差分法分析

用时域有限差分法(FDTD)分析了两种非线性集总元件.提出了一种改进的非线性集总网络算法(INL²N),解决了肖特基二极管在FDTD法中轴向占多个网格情况的处理方法;同时给出了分析耿氏二极管的一组实用的FDTD迭代公式;这两种方法的计算结果与文献及SPICE结果吻合较好.     

基于改进Hadoop云平台的海量文本数据挖掘

针对常用的文本数据挖掘系统在处理海量文本数据时时间效率较低的问题,论文提出了一种基于改进Hadoop云平台的海量文本数据挖掘方法.该方法首先将传统Hadoop云平台进行改进以适应海量文本数据挖掘的需要,然后将海量文本数据集和挖掘任务分解到该改进平台上的多台计算机上并行处理,从而实现了一个基于改进Hadoop云平台的海量文本数据挖掘平台,并通过对10 000篇新闻材料组成的实验数据集进行挖掘验证了该平台的有效性和高效性.     

遗传算法在PID自整定控制中的应用

提出了一种基于遗传算法和单神经元的自整定PID控制器的设计方法，该控制器首先利用遗传算法对PID的3个参数作离线优化，搜索到一组准最优的PID参数，作为PID控制器参数的初始值，然后利用改进后的单神经元梯度下降法在线调节PID参数，以使系统获得最优的动态性能和稳态性能．仿真结果表明：与传统PID控制算法比较，该控制方法响应速度快，具有更好的控制效果．     

成本约束下影响力最大化问题研究

企业希望在社交网络信息传播过程中影响到更多的用户,以便其在有限成本约束下达到营销目标。依据此背景,定义了一个新的社交网络影响力最大化问题:成本约束下的影响力最大化问题,即在有限成本条件下选择一个初始节点集传播信息使得最终状态下全网被影响到的范围最大化。基于网络中用户的网络拓扑结构和用户交互信息衡量用户激活成本,并在独立级联模型下使用遗传算法求解上述问题,最后通过不同数据集上的实验验证遗传算法在最终影响范围和运行时间上都获得较好的效果。     

基于用户会话的TF-Ranking推荐方法

基于用户会话日志,提出了一种融合XGBoost和门控循环单元网络的TF-Ranking推荐方法。该方法利用门控循环单元学习用户行为。首先,利用XGBoost进行特征提取,克服了传统方法中数据模型复杂的缺陷,使数据模型在保持原始属性的基础上大大降低了复杂度;其次,利用改进后的Dropout网络对数据进行处理,使得召回率提高了1.32%;最后,基于Learning to Rank与Pairwise方法训练用户会话数据,尽可能为用户提供一个与查询内容相关性较强的正向排序推荐清单。实验在Trivago RecSys Challenge 2019数据集上进行。结果表明,所提出的推荐算法在召回率和平均倒数排名上均有提高,而且可以应用于大规模数据推荐。     

一种改进的小波网络与故障检测

提出一种基于改进的小波网络非线性观测器故障检测方法，利用小波网络对任意函数的逼近能力，获得系统的非线性特性，进而能快速实时地计算出残差并进行逻辑判决，仿真试验表明改进后的小波网络较BP网络和未改进的小波网络收敛速度快，效果好。     

基于深度学习的图像修复方法研究

基于深度学习的图像修复方法已经成为图像处理中的热门研究问题,有着广泛的应用前景.基于编码器-解码器,提出了一种基于注意力机制的编码器-解码器修复图像网络模型,优化改进了损失函数.与CVPR2017的General Inpainting图像修复算法进行定性和定量比较结果表明,所提出的修复网络模型能修复出真实且具有丰富细节...     

反向响应时滞过程的二自由度Smith预估控制

针对反向响应时滞系统,将Smith预估控制和内模控制相结合,提出一种二自由度
控制方法. 设定值跟随控制器采用Smith预估器形式,可使系统具有良好的设定值跟随特性,
而干扰抑制控制器则采用内模控制器设计方法,可改进系统的干扰抑制性能和鲁棒性,克服
传统Smith预估器的不足. 通过两种不同的方法(直接分解和全通分解),把过程对象的传递
函数分解为最小相位部分和非最小相位部分,相应导出了两种不同控制器的设计方法,并给
出了系统满足鲁棒稳定性的充要条件. 理论分析和仿真对比研究表明,该方法可使系统具有良
好的设定值跟随性能、干扰抑制性能和鲁棒性.     

一种基于因果网络的支持向量回归特征选择算法

为了提高支持向量回归算法的学习能力,提出了一种基于因果网络的特征选择算法.该方法假设目标变量和特征候选集之间符合一个因果网络模型,然后利用基于条件独立性测试的方法对目标变量的直接影响特征进行识别,从候选特征集之中获取与目标变量有着直接因果关系的特征子集.虚拟和真实数据集上的实验结果表明,该特征选择算法适用于支持向量回归算法,优于目前其他算法.     

基于语义分割的遥感影像建筑变化检测

遥感影像变化检测是利用多时相影像确定一定时间内地物或现象的变化，提供地物空间变化的定性与定量信息。传统遥感影像变化检测方法主要基于地面纹理及空间特征的方法，存在着难以精确识别遥感影像中新增建筑物的问题，为此该文提出了一种基于UNet网络的遥感影像建筑物变化检测方法。首先，将轻量级高效通道注意力机制网络（efficient channel attention network, ECANet），注入到原UNet网络模型，调整并优化网络结构，提升影像分割的准确度。然后改进SENet网络参数，提高遥感影像中的建筑物变化检测的精度。该文在高分辨率数据集LIVER-CD上进行实验，结果表明，所提方法的语义分割准确度达到99.03%，建筑变化检测准确率达到98.62%。相比于其他方法，该方法增强了影像的有效特征，提升了遥感影像中地面建筑物的检测精度。     

机翼摇滚自适应神经网络抑制

针对战斗机在大迎角下表现出的机翼摇滚非线性振荡现象,提出一种基于自适应神经网络的抑制机翼摇滚控制方案. 采用动态逆方法实现机翼摇滚特性的近似线性化,并根据动态性能指标要求设计线性补偿器,采用单隐层神经网络在线补偿近似动态逆引起的误差. 仿真实验验证了控制方法的有效性.     

基于边缘增强和特征金字塔的视网膜血管分割网络

U-Net在许多医学图像分割问题中具有先进的性能，因此提出了一种基于边缘增强和特征金字塔的U型分割网络并应用于视网膜血管分割。通过基于梯度算子的边缘增强模块获取额外的边缘先验，以无监督的方式增强边界特征和提高网络对细小血管的辨识能力，利用特征金字塔级联模块帮助网络提取更丰富的语义特征，并将传统卷积替换为Octave卷积方式以更好地提取特征。在公开的2个眼底图像数据集上进行实验，结果证明改进的方法具有更好的性能，有效地提高了分割结果中血管的完整性和连续性。     

超机动飞行的鲁棒自适应神经网络动态面控制

针对超机动飞行过程中气动参数变化剧烈、控制精度高的特点,提出了一种基于神经网络的鲁棒自适应动态面控制方法。模型不确定性和外界干扰由RBF神经网络在线补偿,控制律由动态面控制方法得到,降低了反推控制器的复杂性,改进的神经网络权值调整自适应率改善了系统的过渡过程品质。利用Lyapunov稳定性定理证明了闭环系统所有信号有界,系统跟踪误差和神经网络权值估计误差指数收敛到有界紧集内。对所研究的飞行控制系统进行了herbst机动仿真,结果验证了该系统在过失速机动条件下具有良好的控制性能。     

基于当前最优解的反向差分进化算法求解函数优化问题

当最优解偏离目标函数定义域的几何中心时,反向个体容易远离全局最优解,基于反向差分进化算法的性能会大幅降低. 该文引入基于当前最优解的反向学习策略,并与差分进化算法相结合,求解函数优化问题. 当前代的最优解作为候选解和相应反向个体之间的对称点,能保证反向种群的利用率始终维持在较高水平. 实验结果表明,该算法可行而高效,且算法性能的提升完全是反向个体的贡献. 此外,提出一种增强的基于反向差分进化算法,展示出此类优化方法的最优效果.     

基于时间间隔的社交行为信息隐藏

提出了一种基于时间间隔的社交行为信息隐藏算法。首先发送者和接收者获取双方共同拥有的具有社交关系的用户信息;随后发送者结合密钥,利用交互行为（如“点赞”）的时间间隔隐藏秘密信息;最后接收者通过周期性获取共同拥有的社交用户的行为信息提取出秘密信息。以知名社交平台QQ为研究对象进行实验仿真,结果表明该方法能以较少的时间代价显著提高秘密信息传递的容量。所提出的方法不局限于特定的社交平台,具有普适性。     

一种改进的粗集综合评价方法

基于区分矩阵的粗集综合评价方法由于存在对评价对象的反复比较,因此影响了求解指标约简及权重的效率.利用区分矩阵的变形———广义信息表提出的一种改进的粗集综合评价方法,能够减少对对象的重复比较,更快地进行指标约简和权重设置.此外,通过将该方法应用于政府效率评估来验证了方法的可行性和有效性.     

无线Mesh网络的在线测量优化

对网络特征进行准确和实时的测量是优化无线Mesh网络性能的基础. 该文提出一种无线Mesh网络在线测量架构以解决测量节点的位置选择问题. 联合考虑无线信号检测能力与信息传输能力,提出基于椭圆割线的测量节点选择方法. 分别以被测量节点和数据处理中心作为椭圆焦点构成测量区域,以测量系统的性能度量为目标函数,在椭圆环中选择最佳测量节点位置. 数值仿真表明,在保障无线Mesh网络在线测量品质条件下,该测量架构实现了检测能力和信息传输能力的综合优化,椭圆割线算法的计算复杂度低于随机选择算法.