基于极限学习机的生化过程软测量建模

针对极限学习机方法隐层神经元数目过多的缺陷，提出一种改进的极限学习机方法。在单隐层前向神经网络的隐层中，增加一类分类神经元，从而形成了一种新的单隐层神经网络结构。针对不同类样本数不相同的问题，提出了处理方法，使得可以利用相同的隐层神经元对不同类的学习样本进行拟合，这使得网络的隐层神经元数目大大降低，从而简化了模型的结构，提高了神经网络的计算速度。将这一方法应用于诺西肽发酵过程，建立了菌体浓度的软测量模型，实现了菌体浓度的在线预估。     

一种新型复合神经网络模型

本文首先详细地阐述了ＢＰ神经网络和ＣＭＡＣ神经网络各自的结构，原理以及算法。提出了一种ＢＰ神经网络与ＣＭＡＣ神经网络组合起来的新型复合神经网络模型，并利用误差逆向传播原理推导出复合网络的学习法。仿真实验结果表明，这种复合神经网络在保留了ＢＰ和ＣＭＡＣ各自特长的基础上，同时具有学习速度快，泛化能力强等特点     

系统论在建构信息技术教学论体系结构的应用

进行信息技术教学论本体研究是信息技术教学论研究的取向之一,其学科体系的构建与发展,是信息技术教学论学科成熟的标志,但目前却缺乏对该体系的建构研究。通过对系统论中系统概念、系统功能及结构的关系、建构系统的方法等有关知识的讨论,把信息技术教学作为信息技术教学论体系的逻辑起点,应用系统论研究信息技术教学论系统功能、要素及其功能、要素之间的相互作用,从而建构了一个动态开放的信息技术教学论体系结构,以促进建构信息技术教学论体系的研究进一步走向深入。     

基于影响图的多智能体学习算法

提出一种多智能体学习算法.用影响图作为 agent 表示工具,给定 agent 的一个初始模型和它的历史行为,在能力、信念和优先学习的基础上来构建新的模型.学习方法是把其它 agent 的历史行为作为训练集,利用神经网络以及决策知识和专家知识来修改影响图中各结点的连接关系.针对与 agent 历史行为不一致的情况,本文把它看成效用函数发生了随机偏差,通过 Markov chain-Monte Carlo 技术进行模拟,实现效用函数的调整.最后利用多机编队协同空战作为例子说明算法的实用性.     

基于复杂网络和随机游走算法的研发项目组合风险分析

针对项目组合中的风险分析问题,本文通过构建"项目组合-风险"双层网络模型,提出了基于随机游走算法的项目组合风险定量分析方法,以更准确地预测项目组合风险.首先,本文在研发项目间依赖关系分析的基础上,构建了项目组合网络,并采用设计结构矩阵(DSM)法建立了基于复杂网络中"邻接节点"的项目间连接强度模型.然后,采用多领域矩阵建立了由风险事件推导风险因素间依赖关系的模型.进一步,通过集成项目组合中项目间依赖关系、项目与风险因素间对应关系、以及风险因素间初始的依赖关系,构建了"项目组合-风险"双层网络模型,采用随机游走算法得到稳定状态下最终的"项目-风险因素"域映射矩阵(DMM)和风险因素DSM.最后,以某研发项目组合为例,采用随机游走算法进行项目组合风险的精准预测,并采用PageRank方法对风险因素进行排序,验证了本文提出模型和方法的有效性.     

基于DDS的像质处理提升仿真系统设计与实现

在分布式图像仿真系统中,各子系统具有很强的异构性,如何通过网络确保子系统间数据传输的可靠性、实时性和互操作性是一个十分棘手的问题。提出使用数据分发服务(data distributed service,DDS)来构建一个分布式的像质处理提升仿真系统,该系统包含系统管控、图像仿真、处理提升、性能评估和可视化5个子系统,通过DDS既能将5个相对独立的子系统纳入到统一的信息网络中,又能实现海量图像数据的实时可靠传输。并将DDS与传统的传输控制协议/因特网互联协议在网络传输性能(传输时延、吞吐率、丢包率)方面做了比较,试验结果表明DDS具有更低的传输时延、丢包率和更高的吞吐率。最后通过DDS实现了像质处理提升仿真系统的功能测试,验证了DDS技术能够有效解决分布式条件下数据实时可靠交互的问题。     

对学习样本无误分类的对数型目标函数BP算法

提出了一种对学习样本无误分类的改进ＢＰ学习算法。该算法采用对数型目标函数，可以减少每次迭代的计算量。同时将输出节点分为正确分类节点和误分类节点两类。对于误分类节点，将其误差项加入到目标函数中，然后采用梯度下降算法进行学习。在学习过程中，对学习率μ（ｋ）采用动态优化确定方法，以加快算法收敛速度。为保证收敛后的网络对学习样本能够正确分类，算法终止条件要求对所有输入样本，无误分类输出节点。算例仿真表明了算法的有效性。     

基于贝叶斯学习的复杂系统研制风险演化分析

大型复杂装备的系统结构和研制流程呈现网络化特征,研究风险演化机理有助于控制风险、降低复杂性.通过系统动态过程建模仿真获取数据样本,运用贝叶斯学习从仿真数据样本中提炼风险演化网络,识别不同风险等级的节点之间存在的关联关系,降低了仅凭经验构建风险网络的主观性.对贝叶斯学习获得的风险网络进行概率推理,在总体高风险等级下计算风险网络节点的风险后验概率分布,进而确定风险演化关键节点和传播链路.最后,通过与复杂网络特征指标评估下的静态特征进行对比分析,研究风险网络动态特征与静态特征的差异性,结果表明网络结构特征和风险传播的动态特征共同决定了风险演化关键节点和传播链路.     

基于Agent的体系过程A-GERT网络“刺激-反应”学习模型

针对图示评审技术(graphic evaluation and review technique, GERT)网络应用于体系活动决策过程中未考虑网络节点自身的学习能动性问题, 基于智能体(Agent)技术, 结合刺激-反应模型构建A-GERT网络模型。首先, 根据体系活动的逻辑, 搭建A-GERT网络框架, 并通过提出网络传递效用函数, 设计带有反馈机制的A-GERT网络。然后, 利用刺激-反应模型的自适应优势构建学习方程, 以GERT网络期望概率与期望时间等指标度量刺激强度, 进一步拓展刺激-反应模型。最后, 给出网络智能决策节点的学习步骤, 并以创新技术开发体系活动进行算例研究, 结果表明了所提方法的有效性与实用性。     

基于SVM的模糊推理在图像降噪中的建模与仿真

针对图像上的脉冲曝声，用基于支持向量机的模糊推理方法建立噪声检测模型。该建模方法应用支持向量机的学习机制从训练样本中提取支持向量，由支持向量确定模糊基函数，产生相应的模糊规则，建立起模糊推理模型。并依据此设计了一套噪声检测系统。该系统由基于支持向量机的模糊推理子系统和决策子系统组成。其中，推理子系统分别在纵向和横向上检测噪声信息：决策子系统综合纵向横向的信息，做出决策。仿真实验结果表明，所提出的方法可有效地检测并去除噪声，同时保留了图像的细节信息。     

改进TLBO的相关反馈图像检索方法

针对当前基于进化算法的相关反馈图像检索方法无法很好地结合用户偏好信息和设置参数过多的问题,提出一种基于改进教与学优化的相关反馈图像检索方法。根据图像检索问题的特定环境,对教与学优化算法进行了一系列改进:首先,结合最近邻分类法构造适应度函数的约束条件,使之更好地反映用户偏好信息;其次,通过在教阶段将相关图像集的中心图像作为教师以及在学阶段将相关图像作为学员学习的对象,使算法快速收敛到相关图像区域;最后,结合约束处理技术Deb准则进行学员的选择操作。将该算法与目前效果优异的3种基于进化算法的相关反馈技术在两套标准图像测试集上进行对比。结果表明,所提算法相较于另外3种算法具有明显的优势,能更好地结合用户偏好信息提高图像检索性能。     

一种军事图像目标识别神经网络系统

在军事图像目标识别中,目标通常发生比例、平移、旋转变化,有时还处于复杂背景之中或部分被障碍物遮挡,而识别往往要求是实时的。这使得传统的图像目标识别方法不能获得较好的效果。本文提出了一种神经网络目标识别系统,该系统能直接识别图像目标,而无需提取图像中的目标特征,具有目标识别的比例、平移、旋转不变性,具有良好的复杂背景下的目标识别性能,是一种高速、实用、识别率高的军事图像目标识别神经网络系统。文中给出了改进的神经网络模型并针对不同军事目标的识别需要进行了仿真实验。     

基于复杂网络理论的配电网节点脆弱度评估

配电网中节点脆弱性的大小是其结构鲁棒性的重要体现,为实现对配电网节点脆弱度的评估,提出对配电网节点脆弱度大小排序的方法。首先,构建配电网的复杂网络加权模型;其次,针对节点脆弱度评估中的度值、介数、凝聚度和紧密度等几个指标,结合主观和客观两方面信息构建描述各指标重要性的权重;最后,提出综合逼近理想排序(Technique for Order Preference by Similarity to Ideal Solution,TOPSIS)和灰色关联度的方法,实现对配电网节点脆弱度大小的排序。对几种典型的中压配电网进行计算,验证了本文方法的可行性,对IEEE123系统分析,结果表明多指标综合评估较单一指标评估更符合配网的实际特点。     

大型网络系统可靠度计算新方法

在大型网络系统可靠度的不交最小路集算法基础上,提出大型网络系统可靠度的不交最小路集算法的实现新方法。由于直接采用两节点之间弧表示逻辑运算,编程实现过程直观而简便,根据需要可以提供网络系统的全部最小路集、全部最小割集和系统可靠度,并且采用Fortran90语言和C＋＋语言编程,为大网络系统的可靠度和不可靠度分析提供了计算模块。     

社会治理视角下的和谐社会形成机制及策略

针对当前我国和谐社会建设过程中面临的社会矛盾普遍、群体性事件频发、深化改革呼声四起等现象，从社会治理三种机制的互动及政治体制环境出发，分析指出国家治理和政府管理中的软法治、市场机制不完善、网络治理机制的弱化以及政治体制的不完善是这些不和谐现象产生的主要原因.在概括和谐社会基本形式和本质的基础上，分析了如何通过网络、层级和市场三种社会治理机制的良性互动构造社会稳定秩序的机制，以及通过政治体制改革为三种机制的互动和建设和谐社会提供良好的环境，并借鉴和谐管理理论探讨了建设和谐社会的任务和策略.     

基于SCFNN的网络控制系统远程控制器设计

提出将自组织模糊神经网络(SCFNN)应用于网络控制系统(NCS)中的远程控制器的设计。SCFNN的学习过程包托结构学习和参教学习两个阶段。结构学习的目的是对输入空间进行合理的模糊划分并动态地生成一组模糊逻辑控制规则，而参数学习是通过有监督梯度下降法来调整隶属度函数的参数以及模糊规则中结论部分的权值。最初的SCFNN只有输入节点和输出节点，而经过在线学习后逐步生成隶属度函数节点和规则节点。对基于Profibus-DP网络的网络控制系统进行测试，并与采用修正Ziegler-Niehols法设计的控制器的控制效果进行比较，结果表明基于SCFNN思想设计的远程控制器在网络控制系统中能够获得满意的控制效果。     

考虑节点失效网络可靠性计算的重要度抽样随机模拟

针对同时考虑节点和边单元失效的一般赋权网络,提出了一种考虑节点失效网络连通可靠性计算的Monte Carlo随机模拟算法.Monte Carlo随机模拟方法包含单元状态抽样、网络系统连通状态分析和连通功能函数指标统计三个阶段.在系统连通状态分析阶段,提出将一般赋权网络转换为边权网络的等效化方法,此方法无需额外增加等效节点或边;在单元状态抽样阶段,采用重要度抽样函数进行随机抽样,增加对失效概率贡献大的抽样点出现概率,利用自适应方法求解最优重要度抽样函数.算例分析中,根据模拟均值的相对误差和变异系数两个指标,说明了本文方法的正确性和有效性.     

基于强化学习和共识融合的分布式协作频谱感知方法

在频谱感知中为了解决不同信誉用户网络节点之间的数据融合问题,提出了一种基于强化学习和共识融合的分布式协作频谱感知方法。该方法将每个感知用户认为是一个智能体(agent), agent通过强化学习算法从相邻节点选择合作用户进行共识融合,采用信誉值作为奖励,确保agent倾向于信誉高的节点进行融合,并同时降低恶意用户的信誉值,使其逐渐退出感知网络,最后采用一致性融合方法使整个网络达成共识,并与判决门限对比,完成协作频谱感知。仿真实验表明,该方法能够有效的识别恶意用户,并通过强化学习提高整个网络的感知性能,使协作频谱感知网络更具智能性和稳定性。     

基于多尺度贝叶斯网络的SAR图像分割

提出了一种多尺度贝叶斯网络模型和相应推断算法,并将其应用于合成孔径雷达（synthetic aperture radar, SAR）图像分割。首先根据SAR图像的多尺度序列构建多尺度贝叶斯网络模型;然后设计了模型估计的置信传播（belief propagation, BP）算法,该算法包括同尺度结点之间的信息传播、细尺度到粗尺度的信息传播和粗尺度到细尺度的信息传播;最后计算出细尺度隐含结点的最大后验概率（maximum a posteriori probability, MAP）,实现SAR图像的分割。实验结果表明,与单尺度贝叶斯网络模型方法和基于条件迭代模式的Markov随机场模型方法相比,基于多尺度贝叶斯网络的SAR图像分割方法具有较好的分割效果。     

专家系统在鱼雷制导系统中的应用

本文论述了一种继用传统的电子线路实现的鱼雷制导系统的战术逻辑方法之后又一新的利用专家系统实现鱼雷制导战术逻辑的方法。该方法可以在复杂环境下实现精确制导。通过该专家系统的机理分析和仿真实验，其结果表明利用专家系统实现鱼雷制导战术逻辑是一种有效的、可靠的、先进的和廉价的方法。