CDMA媒体接入控制协议分析模型

目前大多数MAC协议(如CDMA/PRMA和CDMA/NC-PRMA等)都是PRMA协议的CDMA版本,以动态预约机制为主要特征,其性能曲线一般通过仿真获得.该文研究支持语音和数据两类业务的包交换多码CD-MA系统,并从理论上进行分析其性能.     

蜂窝网络中M2M通信上行接入资源分配

蜂窝网络将在未来机器与机器(machine-to-machine, M2M)通信网络中发挥基础性作用,而大量M2M终端的能量有限且补充成本较大,使传统的人与人(H2H)通信资源分配方案无法满足M2M通信需求. 为此,研究了蜂窝网络中M2M设备上行通信时的资源分配问题,针对时分多址和频分多址两种多址接入机制提出了基于休眠模式的动态资源分配算法. 首先,通过基站智能丢包,使负载增益最大化;其次,在网络无休眠时用最小-最大资源分配法来最优化网络寿命;最后,在容许休眠时将剩余能量与休眠模式相联系,分别提出了基站集中式和设备分布式动态资源配置策略,以实现能量均衡消耗.     

异构认知网络中基于非随机接入方式的对等接入策略分析

针对无线网络环境中的异构网络提出了一种基于非随机接入方式的频谱接入策略--对等接入策略,其中两个异构网络关系是平等的,网络中的授权用户具有认知功能,并且一个网络中的授权用户能动态地接入另一个网络进行通信. 利用连续时间马尔科夫模型表征用户行为,并根据用户的阻塞概率和强制中断概率衡量系统性能,分析系统中用户的吞吐量. 与传统非共享接入策略进行对比,仿真结果表明对等接入策略能提高系统性能.     

基于小波网络的MQAM数字通信自适应均衡器

首先给出了多维小波网络的结构及其随机梯度学习算法,提出了基于小波网络的MQAM数字通信自适应均衡器.仿真结果表明:该均衡器对于MQAM数字信号非线性信道的均衡,其性能明显优于传统的基于LMS和RLS算法的线性均衡器和基于RLS算法的判决反馈均衡器,且性能稍好于基于BP网络的均衡器.     

基于点到点网络的自适应顺序诊断算法

总结了系统级故障诊断的三大测试模型和常用的诊断策略。在提炼三大测试模型共同特征的基础上,提出了基于点到点网络的自适应顺序诊断算法,并分析了它的测试模型、诊断策略及诊断开锁等问题。     

基于网络的自适应测试系统的设计与实现

根据自适应学习特点,并对项目反应理论的参数模型进行分析,提出极大似然估算法计算学习者能力参数.在分析自适应测试系统的体系结构及系统主要功能模块的基础上,构建该测试系统;提出了测试系统中首题估算策略、信息间隔量估算策略,从而提高出题速度和计算速度;并根据学习者的实际测试情况得出难度系数和特征水平,实现了难度系数算法和学习者特质水平计算算法.在此基础上开发了一个基于计算机应用基础课程的自适应测试系统.     

基于AdaBoost.M2-NN的变压器故障诊断

组合分类器的经典算法AdaBoost即自适应Boosting算法是提高预测学习系统预测能力的有效工具.针对传统BP（Back Propagation,BP）神经网络在变压器故障诊断时存在不稳定和网络易陷于极小值等缺点,将AdaBoost扩展算法AdaBoost.M2与BP神经网络结合,形成基于Ada-Boost.M2-NN（AdaBoost.M2Neural Network）的变压器故障诊断模型.利用AdaBoost的集成提升作用,在一定程度上弥补了BP算法的不足.仿真结果表明：该模型不仅能将单个BP神经网络无法识别的样本类别识别出来,而且还能整体上相比BP神经网络和传统三比值法将识别率提高11.5%,说明其具有可行性.     

基于多元智能理论的网络学习资源设计

阐述了多元智能理论,分析了多元智能理论对网络学习资源设计的启示,并通过案例对多元智能理论指导下的网络学习资源设计进行了研究．     

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.     

基于联合质心熵的网络流水印自适应检测方案

考虑流水印在多种复杂网络数据流类型下的差异,设计基于总包数、平均包间隔和字节对称度的网络数据流预分组机制.在数据流预分组的基础上,依据时隙质心类网络流水印对数据流统计特性的影响,提出基于联合质心熵的网络流水印自适应检测方案.在部署的不同业务类型的匿名通信系统Tor数据流下的实验结果表明,所提出的自适应检测方法可以有效提高针对随机多密钥时隙质心类流水印的检测性能.     

Ad Hoc网络中基于信道状态的速率自适应机制

针对多跳Ad Hoc网络,给出了一种兼顾分组碰撞和信道误码的饱和吞吐量解析式,基于此提出一种速率自适应机制.该方案支持多个速率,能够根据信道状态,以最大化饱和吞吐量为目标,选择最优的数据分组长度和数据分组发送速率.仿真结果表明,该方案在饱和吞吐量和抗信道衰减方面性能优于OAR和不同速率模式下的802.11 DCF.在信道衰减较剧烈时,性能与802.11 DCF 1 Mbps相比提高260%,与OAR相比提高10%.     

基于多agent强化学习的语义Web爬虫设计

Web的海量信息导致了搜索引擎的出现,同时,Web数据的迅速膨胀以及频繁的更新对搜索引擎提出了更高的要求,而并行搜索引擎可以提高抓取速度,并改善更新效率.语义Web是对未来Web的一个设想,语义Web的数据同传统Web一样面临着数据的膨胀更新问题.于是研究语义Web并行搜索引擎成了一个重要的研究方向.介绍了如何设计一个基本的面向语义Web的并行爬虫系统.该系统由一个中央控制器和若干个子爬虫组成.中央控制器负责为爬虫分配抓取任务,并汇总抓取的数据;子爬虫负责抓取并抽取URLs的工作.而对于每个子爬虫除了处理RDF文档之外,还试图从传统HTML网页中通过强化学习的方法发现更多RDF文档链接.     

基于股票财务数据的贝叶斯网络的参数学习

研究了基于最大似然估计、贝叶斯估计与EM算法的贝叶斯网的参数学习.选取上市公司的10个股票财务变量构建贝叶斯网络,利用创建好的贝叶斯网络进行统计推断.对比最大似然估计和贝叶斯估计得到的参数值并展示EM算法不同迭代次数时的指数似然值,把EM算法得到的CPT表和最大似然估计的值相比较,对比较得到的结果进行归纳与分析.为基于不同算法的贝叶斯网络的参数学习提供了实证分析.     

基于流量预报的无线传感器网络自适应拥塞控制路由协议

基于按需距离向量路由协议,提出了一种针对无线传感器网络的自适应拥塞控制路由协议,所提出的协议根据时间序列预报算法获得未来时刻的网络流量预报值,并由此判断节点的拥塞程度以便预先采取分流措施,实现对路由的自适应控制. NS2仿真实验表明,该协议有效地提高了网络性能,特别是对网络拥塞和流量均衡的改善较大.     

一种基于CMAC网络的自学习控制器

通过分析了ＣＭＡＣ神经网络的学习机制和连续搅拌反应釜的结构,提出了一种自动选择学习率的ＣＭＡＣ自学习控制方法。给出了自学习控制器的结构和算法,并以连续搅拌反应釜模型为对象进行了仿真研究,这种网络每次学习少量参数,算法简单,仿真结果表明所提出的控制器优于传统的ＰＩＤ控制器。     

基于生成对抗网络的异质信息网络表征学习

鉴于传统的异质信息网络通常存在的高维稀疏性缺点,首先提出将异质信息网络的高维顶点嵌入低维向量空间的无监督学习模型—— 基于生成对抗网络的异质网络表征学习(heterogeneous network representation learning based on generative adversarial netwo...     

基于强化学习的多模态场景人体危险行为识别方法

在多模态场景下,常规人体危险行为识别方法对人体危险行为的识别精度较低,于是提出了基于强化学习的多模态场景人体危险行为识别方法.首先根据强化学习的特征提取算法获取多模态场景人体危险行为特征集,其次基于强化学习数据决策提取多模态场景人体危险行为,构建人体危险行为模糊识别模型.最后将上述人体危险行为特征子集代入模型,计算不同...     

基于深度强化学习的无人机路径规划与无线电测绘

针对传统无人机轨迹优化设计方法在构建通信模型上具有局限性的问题,本文面向蜂窝连接无人机通信方式,引入一种基于深度强化学习的无人机路径规划与无线电测绘方法。该方法利用扩展后的双深Q网络模型,结合无线电预测网络,生成无人机轨迹并预测由于动作选择而累计的奖励值。此外,基于Dyna框架将实际飞行和模拟飞行相结合,进一步训练双深Q网络模型,从而大大提高学习效率。仿真结果表明,与Direct-RL算法相比,该方法能更有效地利用学习到的覆盖区域概率图,使无人机避开弱覆盖区域,减小飞行时间和预期中断时间的加权和。     

数学概念自适应学习模式的构建

记忆和理解是数学概念学习过程中非常重要的2个环节,并有机地统一于数学学习活动中.基于自适应学习理论,构建了数学概念自适应学习模式.这对于促进数学概念的有效理解和记忆,乃至学习效果的提高都有一定的理论和实践指导意义.