基于网络新技术的非线性编辑网的设计和开发

目前非线性编辑网在节目制作和播出中已较常见，大都采用成本较高的FC与以太网结合的双网结构。本文提出了一种使用端口串径和宽带聚集等新技术的方案，较好的解决了网络带宽和载量平衡等问题，经济实用，并自主建设了我台的新闻非编网络，运行一年多，工作稳定可靠。     

基于双网传输的多媒体CAI课件设计策略

针对电信网具有交互性却带宽不足、有线电视网能实时传输数据流却缺乏交互功能的特点,提出网络教学的多媒体CAI课件应由双网传输,即:视、音频信息由CATV网传输,电子课件由电信网传输.并对基于双网传输的多媒体CAI课件在理论基础、类型选择、课件结构、导航措施等方面的设计策略上进行了深入探讨.最后简要介绍网络CAI课件的开发步骤.     

考虑节点异质性和故障函数的电力信息物理系统风险传播模型

由于电力信息物理系统的耦合建模方法大多数依赖网络拓扑结构划分节点类型,未考虑节点信息的属性,同时也忽略了不同节点类型对风险传播的影响,削弱了对风险预测的能力。因此,提出了一种考虑节点异质性和故障函数的电力信息系统风险传播模型。首先对实际电力网络节点特性以及耦合性特点进行分析,结合节点异质性提出双网节点的表征方法,基于双网物理和逻辑依赖关系,设计了电力信息物理融合系统(cyber physical systems, CPS)表征模型。在此基础上,考虑双网状态交互影响的方向性及节点的依赖性,分析影响风险传播的因素,通过定义基于节点度的故障概率函数,构建了电力CPS风险传播模型。以合成网络和意大利真实数据所建立的耦合网络进行实验分析,证明模型的有效性。     

列控-安全信息传输系统可靠性及安全性的形式化分析

基于通信的列控(CBTC)系统使用基于IEEE 802.11系列的无线局域网实现车-地双向信息传输,但是无线局域网无法满足安全苛求列控系统在信息传输可靠性和安全性方面的需求.为了解决该问题,可以采用双网冗余的结构提高无线局域网信息传输的可靠性,再在无线局域网之上增加安全通信协议来保证信息传输的安全性.本文提出在双网冗余无线局域网基础之上增加安全通信协议形成列控-安全信息传输系统(China-Radio),使用随机Petri网建立了双网冗余结构的无线局域网的可靠性模型,并与单网结构进行了定量对比和形式化分析,验证了双网冗余结构可靠性的提升;使用有色Petri网对China-Radio系统建模,并采用模型检验的方法证明China-Radio系统的功能安全性,能够满足列控系统的需求.     

区域计算机联锁系统通信网络的设计

区域计算机联锁系统的通信网络是一个非常重要的环节,直接影响系统的工作性能与安全。在分析其基本构成的基础上,进行了网络通信结构的设计,通过分析双网和环网的利弊,提出了一种跳网的设计方法,采用动态冗余的网络结构,重构时间<50ms,极大提高了系统网络的可靠性,对实际工程建设具有重要的指导价值。     

基于神经网络局部模型的非线性系统辨识的研究

讨论了一种基于多层种经网络的用于非线性系统辨识的局部模型网络的结构、原理和网络训练方法,为非线性系统的自适应控制提供了一条新途径。     

基于TrueTime的非线性网络控制系统

针对非线性系统往往具有不确定性、结构复杂、建模困难、难于在网络条件下进行仿真研究的问题,建立了一个基于TrueTime的非线性网络控制系统.在对弹簧连接的双倒立摆耦合非线性系统模型进行Matlab/Simulink模块化建模的基础上,结合TrueTime的网络通信模块,利用设计的鲁棒控制器将对象模型的不确定性和网络时延的不确定性进行了综合处理.仿真结果表明,该系统不仅降低了非线性系统建模的复杂性,而且为研究网络控制系统结构下非线性系统的动态特性提供了条件.     

非线性编辑网络系统

本文从电视台非线性编辑网络系统的网络结构、系统硬件、系统功能等方面,详细介绍了非线性编辑网络系统。     

基于遗传小波神经网络的非线性动态自治网络故障诊断仿真算法

为避免用状态方程计算和分析非线性动态网络的约束计算困难,特别是计算响应跨越边界时间的问题,针对非线性动态自治网络,提出一种基于规范式分段线性化总体表达式以及非线性网络的混合参数方程.求解该方程组可得到非线性动态自治网络的故障响应仿真算法,再由小波提取故障响应的特征.采用遗传算法对BPNN进行结构和参数优化,将得到的电路故障状态特征输入至遗传优化的BP神经网络进行故障诊断.仿真结果表明了该故障诊断算法的有效性.     

考虑环境因素影响的动态法桥梁损伤识别

如何考虑因环境条件变化而引起的结构动力特性的变异性是动态法桥梁损伤识别中的一个难点.文中利用非线性主成分分析技术,提出一种新的桥梁结构损伤识别方法.首先通过构建自联想神经网络对无损结构在不同环境条件下识别得到的单元刚度样本集作非线性主成分分析,建立反映环境因素影响的非线性变换模式.然后,将未知状态结构在不同环境条件下识别得到的单元刚度样本集输入所构建的网络,通过对网络输出与目标间的网络输出残差作统计分析,实现损伤识别与定位.最后以一座简支梁桥为例进行数值仿真分析,验证了所提出方法的有效性.     

构建基于IP-SAN的非线性编辑网络实验室

通过对比非编网络的各种组网方式,将IP-SAN技术引入到非编网络实验室建设中,介绍了非编网络实验室的网络结构、硬件组成及系统特点。阐述了基于CPU＋GPU＋I/O技术非编工作站的工作原理、有卡和无卡工作站的区别,给出了磁盘阵列存储容量和读写带宽的计算方法,为构建经济、高效、易扩展的非编网络实验室提供了建设方案。     

改进粒子群算法在BP神经网络拟合非线性函数方面的应用

为解决BP神经网络拟合非线性函数的预测结果误差较大问题,笔者将标准粒子群算法进行改进,形成基于免疫接种的粒子群算法(IPSO);然后将该算法与BP神经网络理论相结合,实现基于IPSO算法优化的BP神经网络非线性函数拟合算法。新的拟合算法首先确定BP神经网络结构,然后用IPSO算法优化初始权值和阈值,最后进行BP神经网络预测。数值实验表明,本文提出的IPSO算法提高了BP神经网络的拟合能力,减小了拟合误差,提高了拟合精度。     

基于RBF神经网络模型的高校教育资源利用绩效评价决策支持系统

高校教育资源利用绩效评价的数学模型是一个高度非线性的黑箱模型,由于RBF神经网络收敛速度快,具有良好的非线性拟合能力,因此采用RBF神经网络模型进行高校教育资源利用绩效评价.研究了XML数据库的结构及功能实现方式,利用其方便、通用性强、文档结构明晰的优点来进行训练样本的存储;利用Matlab构建RBF神经网络,将神经网络与XML数据库相结合,开发出高校教育资源利用绩效评价决策支持系统.运行结果表明,通过这种方式搭建的高校教育资源利用绩效评价决策支持系统通用性高,泛化能力强.     

一种双隐层RBF神经网络的算法研究

针对RBF神经网络的结构和学习算法的缺点,提出了一种双隐层RBF神经网络(DRBF)模型,并结合网络结构的动态更新策略对网络结构进行实时更新,以梯度下降法对网络参数进行修正,即确保了网络结构的最简化,提高了网络的逼近精度和泛化能力,同时也加快了网络的训练速度.将本算法和传统RBF神经网络算法应用于非线性逼近和电信企业客户流失分类进行性能比较,实验仿真结果证明了本算法的有效性和高效性.     

一种复合型前馈神经网络结构

ＢＰ网络是一全局逼近的网络,通常,在对样本数据的选取要求上,它不如ＲＢＦ网络高,即ＢＰ网络在训练样本数据的代表性不强时也可表现出对非线性函数较强的逼近性能,鉴于此,作者提出了一种复合型前馈神经网络结构在此结构中,笔者采用了ＢＰ神经网络对训练数据进行预处理而得到径向基函数（ＲＢＦ）网络的初始中心矢量点集的方法该方法使得ＲＢＦ网络中心矢量点集由传统的随机确定改为对它的优化选取,由它确定的ＲＢＦ网络的中心矢量具有相当的柔性,从而增强了径向基函数（ＲＢＦ）神经网络整体的泛化性及鲁棒性,最终使得该复合型神经网络具有了很好的精度和泛化性仿真结果表明了本文所提网络的有效性     

半主动油气悬架的神经网络模型参考控制

以提高平顺性为目的,针对油气悬架系统刚度及阻尼非线性的特点,提出了以天棚阻尼为参考模型的神经网络控制方法.建立了二自由度的非线性油气悬架模型,分析了控制系统结构以及神经网络辨识器和控制器的设计与实现.以D级路面作为随机路面输入,分别在满载和空载下,对控制器的性能进行仿真研究.仿真结果表明,神经网络模型参考控制能够有效地衰减车身振动,提高行驶平顺性;并对控制对象的参数变化有良好的适应性.     

基于突变级数的网络流量异常检测

针对网络流量发生异常时产生的突变特征,提出了一种基于突变级数的网络流量的异常检测方法.该方法首先计算网络流量的特征量,选择其中能显著性反映网络流量自相似性、非线性、非平稳性及复杂的动力学结构特性的特征量;然后将其作为突变理论的控制变量,利用蝴蝶突变模型的突变级数对网络流量异常进行检测.实验结果表明该方法具有较高的检测率和较低的误检率.     

非线性信道判决反馈快速收敛神经网络均衡器

针对严重符号间串扰及轻度非线性畸变的数学信道，提出了一种神经网络判决反馈均衡器。它将传统的线性信道判决反馈结构巧妙地随入二层感知器中，学习时充分利用训练信号的信息，在可调权数较少的情况下，取得了较好的均衡效果；人为选择初始权值大大提高了收敛速度。模拟结果表明：该均衡器简单实用、便于实时处理，且均衡性能有较大的改善。     

递归神经网络的学习算法

本文提出采用组合神经网络方法,对一类非线性控制对象进行学习以实现最优控制,仿真实验表明,这种方法对于复杂非线性系统的研究是有效的。     

基于RBF神经网络的粮食生产预测研究

提高中国粮食生产量的预测精度与效率是人们关注的一个重要问题.对RBF神经网络的结构、特性和训练算法作了简要的概述.根据粮食产量与其影响因素之间存在的映射关系,应用RBF神经网络建立了多因素非线性时间序列预测模型,并进行了仿真试验.结果表明,用RBF神经网络进行粮食生产预测得到了十分满意的结果.