基于节点批量生长机制的无标度网络演化模型

基于网络新生节点批量生长的机制,提出了一种无标度网络演化模型.模型中考虑了新生节点之间的耦合模式,并引入了新的参数,使其更符合现实网络的演化形式.采用主方程法对模型的度分布进行了解析,并通过数值模拟验证了模型具有无标度特性.而且,不同参数取值下较大的簇系数及平均路径长度为网络规模对数成长的特性也表明了该模型具有小世界效应.     

人类对于网络的认识的新发展

网络概念由来已久。然而，近年来随着计算机网络的迅速发展，人类对于网络概念的理解和关于网络演化规律的认识有了突破性的发展。作为系统思想的一个重要切入点，这些新的理解和认识具有十分重要和深远的意义。重点介绍了小世界网络（Small World Network）和无标度网络（Scale Free Network）两种值得关注的网络理论，并从系统科学的角度分析了它们提供的启示。在中国人民大学经济科学实验室师生的研究工作的基础上，对于这两种理论的关系和改进方向提出若干观点，并对这一领域的发展前景和进一步研究方向进行了展望。     

具有无尺度拓扑与小世界效应的Sierpinski网络

复杂网络是目前国内外研究的热点之一,而分形则被认为是上个世纪学术界的一个重要发现.根据Sierpinski垫这一著名的分形结构,构建了一类确定性网络,称为Sierpinski网络.提出了生成该网络的一个迭代算法,使抽象的网络构造变得具体而直观.研究发现该网络具有与许多现实网络相似的结构特性:幂律度分布、较高的集聚系数和较小的直径.     

节点数固定的复杂网络模型初探

由于随机图模型、小世界模型和无标度模型的结构上存在交叉性，有必要对复杂网络进行新的分类。本文将复杂网络分成两类：节点数固定的复杂网络和节点数变化的复杂网络，且重点研究了前一类网络。首先时节点数固定的网络进行了细分，然后分析了在边的不同连接方式下节点数固定的网络的度分布、平均最短路长度和聚类系数等特征，最后讨论了小世界特性与无标度特性产生的原因。研究表明，节点数固定的网络大多具有小世界特性，小世界特性与无标度特性是从不同的侧面来研究复杂网络的，从而很好地解释了在许多复杂网络这两种特性能够共存的原因。     

复杂网络研究与复杂现象

复杂网络研究为探讨复杂系统的性质提供了一个新的视角。简述了复杂网络的基本概念，对网络的结构与功能作了概略的介绍，包括小世界网和无标度网的结构特点。通过对小世界网络中小世界特征的度量，讨论了复杂网络对复杂系统研究的启示，并对生物进化过程中生物的复杂性增加在蛋白质相互作用网络中的体现做了尝试性的说明，以此为基础，对随机性与规则性之间可能产生的复杂现象进行了初步讨论。     

具有双峰效应特性的复杂网络模型研究

为解决BA网络模型采用增长与择优处理节点之间的连接而导致节点连接数目无限增长等不足,通过对BA网络模型的节点连接策略改进,即通过引入节点最大连接数目,设置新增节点连接数目亚线性增长并采用Logistic函数得到了一种度分布具有双峰效应特性的BE网络模型,并给出了其若干性质。该模型可应用于解释经济、社会等现实生活中的两极分化现象,而且通过调整其参数可实现峰的移动和缩放,在极限情况下BE模型可退化成BA模型。     

复杂网络确定性模型研究的最新进展

复杂网络的确定性模型在复杂网络建模领域起着不可或缺的作用。按照复杂网络经典模型发展的先后次序,依次对随机图、小世界网络、无标度网络以及加权网络确定性模型的研究现状进行较全面的综述,重点介绍了相关模型的构造及其主要性质,并对复杂网络确定性模型未来的部分发展方向进行了展望。     

BA网络的一个等价演化模型

ER随机网络和BA网络对网络科学的发展起着十分重要的作用，在网络研究中ER网络与其等价模型可以替代使用。本文提出了BA网络的一个等价的演化模型，并解析计算和模拟了模型的节点度分布、集聚系数和平均路径长度，其演化成的结构特性与BA网络相同。在本模型的演化过程中，不需要拥有网络节点度的完全信息，没有择优连接过程，大大缩短了网络生成时间。因此，研究BA网络的性质和动力学时，可以将本模型替换BA网络。     

复杂网络理论及其在航空网络中的应用

复杂网络理论是对复杂系统的高度抽象，它突出强调了系统的拓扑特征，其中许多性质如小世界性质、无标度性质等等已经得到了广泛的研究。本文从复杂网络的统计特性、结构模型以及在航空网络中的应用3个层次系统回顾了复杂网络的基本理论和应用现状，期望对航空网络规划问题的研究起到一定的借鉴作用。     

网络--探索复杂性的新途径

简单系统由于非线性关系可以呈现复杂行为，而复杂系统可以遵循简单规则自组形成、近年来，作为探索复杂系统结构和功能的复杂网络引起了国际科学界的高度重视，已成为数理科学、生命科学、社会科学、技术科学和管理科学的研究热点之一．论文首先介绍了在复杂网络研究方面已经取得的某些进展，从典型模型．重要概念，网络分类一直到网络结构涌现，其中也包括了作者所做的工作；然后对某些值得注意的问题做了简短的评述．     

基于不等概率抽样的不完全信息条件下复杂网络抗毁性模型

为了填补随机失效与故意攻击之间的空白,将复杂网络攻击信息的获取抽象成无放回的不等概率抽样问题,建立了不完全信息条件下的复杂网络抗毁性模型.其中网络攻击信息可以通过信息广度参数和信息精度参数调节控制,随机失效或故意攻击是该模型的两个特例.利用母函数方法解析推导出了任意度分布广义随机网络在随机不完全信息和优先不完全信息条件下的两个重要抗毁性度量参数——临界移除比例和巨组元规模,得到的解析结果可以分析和预测不完全信息条件下复杂网络的抗毁性.以无标度网络为例对一般攻击信息参数组合进行了仿真分析,发现随机隐藏少量节点信息将大幅度提高复杂网络的抗毁性,获取少量重要节点的信息可以大幅度降低复杂网络的抗毁性.     

Model update mechanism for mean-shift tracking

1.INTRODUCTION Theefficientandrobusttrackingofobjectintheim agesequencesisalwaysachallengingtaskforcomput ervision.Mostoftheapplicationssuchassurveillance andmonitoringrequirethetrackershouldberobustto occlusion,changesinobjectappearanceandcamera positionincomplexenvironments.Recently,the mean shiftalgorithmiswidelyinthetrackingappli cation[1～4].Itisaneficientwaytolocateobject withoutdoingexhaustivesearch.Therefore,wepay moreattentiontothemodelupdateissuethatplaysan importantroleinrob…     

带有节点编码能力感知的DTN数据转发机制

网络编码方法能够有效地改善延迟容忍网络的数据传输效率,其关键问题在于合理地选择编码节点。提出了一种带有节点编码能力感知的延迟容忍网络数据转发机制。根据网络中节点运行的历史相遇信息,建立时间图模型以感知节点之间的连接态势,并根据平均相遇时间间隔、最短路径长度及可达率等3方面因素综合确定节点转发能力,进而以动态的方式选择编码节点。结果表明,所提出的策略能够有效地提高网络资源利用率,改善网络的性能。     

水下滑翔机间水声网络时间同步与多址融合机制

水下滑翔机(autonomous underwater glider,AUG)广泛应用于长时间、大规模的海洋环境监测。为了更高效地进行AUG组网,提出面向AUG的水声网络时间同步与多址接入(time synchronization and multiple access control,TSMAC)融合机制。该机制将TSMAC的信息交换过程相融合,利用AUG和信标节点交换信息。根据所得的同步所需的时间戳和位置信息,计算出频率偏斜和相位差,进而更新本地时钟,实现时间同步。仿真结果表明,与现有机制相比,该机制减少了控制帧发送次数,在维持较好吞吐量的基础上,达到了降低时间偏差的目的,并且提高了能量效率。     

基于排队网络的快速研制系统模型研究

快速研制系统是一种先进的研制系统,由于其产生时间短,研究费用高,针对其建模与仿真逐渐得到重视,也成为影响其效用发挥的"瓶颈".本文结合设计结构矩阵方法,应用开马尔科夫排队网络,建立了快速研制系统排队网络模型.通过设计结构矩阵描述研制系统的设计迭代,给出了其研制单元研制工作次数的计算方法;运用基于开马尔科夫排队网络的Jackson定理,给出了任务总研制时间估算模型以及分析快速研制系统能力瓶颈方法;对一个5阶段的研制系统实例进行求解,并分析了实例增加瓶颈环节能力后的效果,实例分析表明本方法科学、有效,具有一定的应用前景.     

Model algorithm control using neural networks for input delayed nonlinear control system

The performance of the model algorithm control method is partially based on the accuracy of the system’s model. It is difficult to obtain a good model of a nonlinear system, especially when the nonlinearity is high. Neural networks have the ability to "learn"the characteristics of a system through nonlinear mapping to represent nonlinear functions as well as their inverse functions. This paper presents a model algorithm control method using neural networks for nonlinear time delay systems. Two neural networks are used in the control scheme. One neural network is trained as the model of the nonlinear time delay system, and the other one produces the control inputs. The neural networks are combined with the model algorithm control method to control the nonlinear time delay systems. Three examples are used to illustrate the proposed control method. The simulation results show that the proposed control method has a good control performance for nonlinear time delay systems.     

Stability of discrete Hopfield neural networks with delay

1.INTRODUCTION DiscreteHopfieldneuralnetwork(DHNN)isoneof thefamousneuralnetworkswithawiderangeofap plications,suchascontentaddressablememory,pat ternrecognition,andcombinatorialoptimiza tion[1～5].ThestabilityofDHNNmeansthatevery trajectorymustconvergetowardsanequilibrium point,oralimitcycle.Becausethestabilityof DHNNisthefoundationofthenetwork’sapplica tionsandisthemostbasicandimportantproblem,thestabilityanalysisoftheDHNNhasattractedcon siderableinterest.Manyresearchershavefocu…     

基于交换价值测度的比特产品非商品交换机制模型

为了研究网络社区成员进行比特产品非商品交换的目的和所能获得的交换价值,基于交换价值的测度分析构建比特产品非商品交换机制模型,然后通过仿 真研究影响交换价值实现的因素及其作用. 结果表明,比特产品的原创者初始愿意投入的时间、愿意等待的比特产品“交换传播阶段”时间、传播者兴趣驱 动所占比重以及信心阶段中的“信任时间”因素对产品最终的使用规模和原创者能够获得的交换价值有正向影响的作用;而传播者传播比特产品需要的时间 以及产品的网络外部性强度则对产品最终的使用规模和原创者能够获得的交换价值有负向影响的作用.     

具有差异化服务的混合对等网络性能分析

为了应对对等网络中的“搭便车”行为, 提出一个惩罚策略, 即对“搭便车”行为的请求节点和资源共享的请求节点提供差异化服务, 减少“搭便车”行为的请求节点的个人收益。使用带有两类服务台、负顾客的多重工作休假M/M/c+d排队模型对混合对等网络进行建模, 利用矩阵几何解的方法, 得到了系统的稳态分布。通过数值实验定量刻画了参数变化对系统性能的影响, 对比了请求节点的个人平均收益。实验结果显示, 无论在哪一个休假参数水平下, Ⅰ类请求节点的个人平均收益相比于Ⅱ类请求节点的个人平均收益至少高出20%。     

Stability of stochastic neural networks with Markovian jumping parameters

The global asymptotical stability for a class of stochastic delayed neural networks (SDNNs) with new delay-dependent stability conditions are derived. All results are expressed in terms of linear matrix inequality (LMI), and a numerical example is presented to illustrate the correctness and less conservativeness of the proposed method.