复杂网络中的微积分思想

通过对复杂网络经典BA模型和其扩展模型中的网络度分布研究,介绍了在复杂网络中运用微积分思想计算复杂网络度分布的方法;具体通过微积分给出了网络的度分布的分析求解过程.     

基于节点吸引力的可调参数复杂网络模型

针对真实网络的生长演化规律,以及BA无标度网络模型和原始的节点吸引力模型在择优连接以及生成网络统计特征方面所存在的问题,综合考虑复杂网络生长演化过程中节点度和节点吸引力的择优连接特性,提出了一种基于节点吸引力的可调参数复杂网络模型. 理论研究与仿真实验分析表明,基于节点吸引力的可调参数复杂网络模型可以有效生成结构稳定并与实际网络统计特征很接近的复杂网络,通过调节模型参数可以灵活调整网络的生长演化过程. 模型生成的网络度分布仍然服从幂律分布,并且具有较高的群集系数和平均路径长度.      

地铁网络无标度特性分析

以经过地铁车站的拓扑线路数目作为评价地铁网络度分布的量化标准,通过最小二乘法(OLS)对统计数据非线性回归拟合,得到地铁网络度分布函数.首先,定义了地铁网络拓扑线路;其次,提出节点度和节点度分布的计算方法;最后,对52个地铁网络样本做非线性回归拟合.结果显示,52个地铁网络节点度分布能够被漂移幂律函数拟合,且地铁车站数目大于300的地铁网络,标度系数-b在2～3之间,且常量a在0～1范围内,这表明地铁网络度分布介于指数分布和幂律分布之间,这一结果与实际现象相吻合.     

一类特殊生长网络模型的分析与应用

讨论了一类基于BA模型生成机理的特殊的生长网络模型,采用率方程的方法计算得其度分布,证明了该网络是节点度分布是符合幂律分布的无标度网络,其幂指数为-2。从理论上分析了这个模型与BA模型由于拓扑结构的不同而造成的宏观性质的差异。并将这个模型应用于高校人才吸引网络,利用SPSS和M atlab模拟仿真证明了该模型数学期望关系式的正确性及模型的有效性。     

有向复杂网络的Poisson模型

考虑了节点到达过程是Poisson过程的有向复杂网络.本文研究了这类网络的瞬态度分布和稳态平均度分布.利用Poisson过程理论对这类网络进行了分析,获得了度分布的解析表达式.结果表明,虽然这类网络的稳态平均入度和稳态平均出度分布与节点的到达过程无关,但瞬态入度和出度分布依赖于节点的到达过程.     

BA指数网络结构特性精确计算

度分布和平均路径长度是复杂网络的两个重要结构特性.对于随机增长的网络,其平均路径长度一般主要通过计算机模拟给出数值结果,尚无一个普适的解析计算方法.为此首先利用主方程的方法对BA随机指数网络的度分布进行解析推导,与Barabási等的结果相比所得度分布与计算机模拟值更接近.然后对BA随机指数网络和BA确定性指数网络的平均路径长度进行解析计算,所得结果与经典的ER随机图相似,即平均路径长度以网络大小的对数形式增长.此外,对BA随机指数网络平均路径长度的模拟值与解析计算结果相吻合.最后,对BA确定性指数网络的度分布与直径进行了解析计算,并对两个网络的结构特性作了比较.比较结果表明,BA随机指数网络和BA确定性指数网络的结构性质虽然存在量上的差异,但从定性角度来说,其拓扑结构是相同的.     

复杂网络度分布的异质性对其同步能力的影响

讨论了一类度分布在无标度网络和随机网络之间连续可调的网络模型.提出连接密度的概念,在网络规模保持不变的前提下,研究度分布的异质性、连接密度对网络同步能力的影响.根据同步判据研究两类网络的同步能力.类型Ⅰ网络,其同步能力与网络度分布的异质性的相关性受网络连接密度的影响,连接密度较小时同步能力与度分布异质性无关.类型Ⅱ网络,其同步能力受网络度分布异质性和网络规模及网络连接密度共同影响.异质性越强、网络规模越大、连接密度越小,类型Ⅱ网络越不容易实现同步.     

无标度网络的相关性和联合度分布

研究无标度网络的相关性.关于相邻点对的联合度分布,利用率方程方法把已有的结果推广到BA模型的一般情况.同时使用平均场方法给出任意点对的联合度分布.     

不对称加权老化无标度网络的同步能力和权重分布

应用归一化加权和非归一化加权两种不对称加权方法对老化无标度网络的同步能力进行了研究.研究发现,当加权网络的出度分布为不均匀的近似幂率分布,人度分布为完全均匀分布或近似泊松分布时,网络具有较强的同步能力;反之,当网络的出度分布为均匀的近似泊松分布,人度分布为不均匀的近似幂率分布时,网络的同步能力较差.     

新浪微博名人堂用户关系网络分析

以新浪微博名人堂用户所形成的用户关系网络为研究对象,利用复杂网络的分析方法对该网络的度分布、小世界现象、度相关性等多个方面进行了分析.研究结果表明:该网络在度分布上存在背离幂律分布的现象,网络有效直径较短,各节点度之间不存在明显的相关性、网络不具有层次性等特点.     

股市变化模式分类的两种神经网络方法

本文运用神经网络的学习联想能力，提出了对股市变化模式的两种分类方法，一定程度上弥补了传统技术的不足，为进一步进行股市预测提供了帮助。     

改进的椭球单元网络及其在故障诊断中的应用

针对椭球单元网络在应用中存在的一些问题，提出了改进措施。这些措施主要围绕改进网络的分类能力和表达能力、合理确定网络结构、避免错误泛化等。通过进行聚类初始化处理和引入有界椭球，改进了BP算法；通过在网络训练过程中引入“节点分裂”和“节点修剪”机制，使得训练后的网络结构更为合理，能适应实际问题的需要；工建议在聚类样本送入网络训练前，先进行PCA处理，以确定更为合理的椭球轴向和降低椭球维数，进一步达到缩短训练时间、增强泛化能力的目的。在CSTR故障诊断中的应用表明：改进的椭球单元网络（BPE）具有任意的非线性分界能力、描述紧邻非线性界面的能力和避免对未知故障类空间进行任意划分的能力。     

用于光纤陀螺消噪的新型神经网络

在传统 BP网络的基础上 ,提出了单层串联网络结构 ,将消噪效果、网络结构和快速的学习结合起来 .根据光纤陀螺噪声源中存在不平稳幂指数噪声的特点 ,在误差指标函数中考虑误差的增量项 (一阶项 ) ,由此推得一阶学习方法 .该新型结构和新式算法提高了网络对平稳 ,特别是不平稳幂指数噪声的消除能力 ,这点已通过仿真验证     

Experimental Analysis of Link Estimation Methods in Low Power Wireless Networks

Wireless sensor networks are envisioned to be an integral part of cyber-physical systems,yet wireless networks are inherently dynamic and come with various uncertainties.One such uncertainty is wireless communication itself which assumes complex spatial and temporal dynamics.For dependable and predictable performance,therefore,link estimation has become a basic element of wireless network routing.Several approaches using broadcast beacons and/or unicast MAC feedback have been proposed in the past years,but ...     

人工神经网络研究现状及其展望

回顾了神经网络理论发展的历史和现状。在此基础上，介绍并讨论了20世纪90年代神经网络研究的一些新进展。根据神经网络研究的特点，对人工神经网络今后的发展前景作了一定的评述，人工神经网络的研究与发展必将对现代科学技术产生深远的影响．     

一种基于独特型网络的入侵检测方法

为解决神经网络检测方法中检测器需要定期更新、未知攻击检测性能低等问题,利用人工独特型网络的记忆、学习和动态调整能力实现入侵检测.提出一种可用作检测器的多变异模式人工独特型网络,并根据免疫响应原理设计检测算法,使检测器能实时学习新行为特征.仿真结果表明,多变异模式独特型网络检测方法与多层感知器检测方法相比,平均误报率下降了17.43%,未知攻击的平均检测准确率提高了24.17%.     

从数据库中提取规则的神经网络方法

评述了利用神经网络从数据库中进行规则发现的几种方法,采用权值组合算法提取规则;利用模糊推理神经网络,采用CamDelta算法提取模糊规则;基于从数据中提取模糊控制规则利用生长自组织映射神经网络,采用分级聚类SOM算法发现规则利用CFNet网络,基于可信度因子,提取不确定性规则;利用模糊颗粒神经网络,采用启发式学习算法,从数值-语言数据中发现规则.提出了数据库中提取规则所面临的几个问题,以及解决这些问题的某些思路.具体提出了一种分布式环境下基于多Agent技术的规则提取方法.图6,参17.     

基于神经网络的测井解释系统

文中设计了基于神经网络的测井解释系统,讨论了系统的结构、后传算法以及实现的途径。     

动态系统参数估计的一种新方法

分析了利用Ｈｏｐｆｉｅｌｄ神经网络进行系统参数估计的基本原理，把参数估计问题转化为Ｈｏｐｆｉｅｌｄ网络的能量函数的最小化问题．当能量函数达到最小值时，Ｈｏｐｆｉｅｌｄ网络的输出即为待估计的参数值．仿真实验证明了该方法的有效性．