基于动态蜜罐技术的虚拟网络设计

通过利用蜜罐技术和网络扫描技术完成动态网络蜜罐的设计，以设计一个动态自适应虚拟网络系统为目标来实现对真实网络环境的虚拟模拟与动态信息收集，从而配置一个与实际网络拓扑结构十分类似的虚拟网络．用以诱骗攻击、转移攻击，对于消解黑客攻击带来的威胁、掌握黑客攻击特性与新型攻击方式很有帮助．     

基于滑动概率神经网络的早期故障诊断

针对机电设备早期故障难以识别的问题，提出了一种动态的概率密度估计方法——滑动概率神经网络，用以跟踪分析测量信号的概率密度变化过程，及时发现早期故障．该网络以固定不变的抽样集作为第一层，动态滑动的测量信号作为样本层，通过求和层得到抽样集的条件概率密度估计，将样本层内测量信号的概率密度动态地投影到统一的抽样集上．将网络分解成以测量值为中心的子网络，来实现网络的递归运算，并且利用高斯函数的快速衰减特性或使用分段线性函数近似高斯函数，从而提高了网络的计算实时性．通过压缩机喘振过程数据的应用实例，表明该方法能够有效识剐故障的早期征兆．     

时间序列神经网络动态建模研究

采用一种改进的时间序列神经网络用于过程系统的动态建模。该网络将输入变量的时间序列数据作为网络输入，同时以系统的脉冲响应系数为时间序列输入数据的权值，赋予神经网络模型一定的物理意义，从而使神经网络模型获得更好的外延性，能够更好地表达系统的动态特性。     

布尔网络动态行为研究

布尔网络动态特性的研究已经成为国内外基因调控网络研究的重要课题.介绍了布尔网络动态行为的相关概念和最新进展,并采用计算机模拟布尔网络的动态演化过程,用消除趋势波动分析（DFA）方法分析了布尔网络的长程相关性动态特性.结果发现：绝大多数布尔网络呈现1/f波动;长程相关性值α与网络的连通度k有关,并随着灵敏度数值S的增加而减小.     

基于对角递归网络的气体管道泄漏检测与定位的研究

利用对角递归网络能够描述非线性动态系统的特点，设计了用于气体管道泄漏检测定位的动态网络模型。网络的训练样本由管道各种工况下的压力、流量数据组成。试验结果表明，与传统的静态前馈神经网络模型相比，本研究建立的网络能更好的反映气体在管遵中的流动特性，实现气体管道的泄漏检测与定位。     

基于BP神经网络模型的磨床部件动态灵敏度分析

利用ANSYS的APDL语言建立磨床部件的参数化模型，计算出磨床部件的动态特性，快速采用得到BP神经网络模型的学习样本，建立基于BP神经网络的动态分析模型，将磨床部件结构参数与其动态特性之间的关系反映为神经网络模型的网络输入与网络输出之间的数学关系，从而方便地，快速地对磨床部件进行了动态灵敏度分析，结果表明，在BP神经网络模型上进行磨床结构优化要比在有限元模型上方便，快速，该方法特别适用于对大型复杂结构的优化设计计算。     

面向动态业务的光网络信息失真机理及其影响分析

为了有效抑制分布式光网络动态特性对网络性能的影响,提升频谱资源利用率,该文基于分布式网络噪声(DNN)的概念和数学模型,提出了一种定量分析动态特性影响网络性能的方法。该方法首先分析了信息失真产生的机理;然后针对业务到达过程及网络服务机制的统计特性,建立了动态特性引发信令阻塞的模型,揭示了信息失真影响网络性能的规律。研究结果表明:业务原始到达率越高,网络信息失真程度越高且信令阻塞率越大。实验结果与理论模型高度匹配,验证了模型的有效性。     

动态卫星网络性能评估

为评估动态卫星网络性能,对现有卫星星座系统的设计和评估方法进行了研究。提出了使用网络最大流问题对动态卫星网络流量进行评估的方法。利用STK进行仿真,求得动态卫星网络的系统覆盖率、卫星对地仰角特性、系统间各节点建链时刻表。使用分段函数将动态卫星网络转化为网络多个状态的组合以求解网络的最大流。结果表明:网络最大流问题可有效评估动态卫星网络传输性能,动态卫星网络传输性能比单层卫星网络的传输性能高30倍以上。     

基于Elman型神经网络的空调负荷预测模型

空调系统的负荷与诸多影响因素之间是一种多变量、强耦合、严重非线性的关系，且这种关系具有动态性，因而传统方法的预测精度不高，而动态回归神经网络能更生动、更直接地反映系统的动态特性。针对这个特点，建立了基于Elman型神经网络的空调负荷预测模型，并进行了实例预测。文中还比较了Elman网络和BP终结建模效果，仿真实验证明了Elman神经网络具有动态特性好、逼近速度快、精度高等特点，说明Elman网络是一种新颖、可靠的负荷预测方法。     

一类学习联想神经网络的动态特性研究

本文讨论了一类联想神经网络在学习新的模式过程中，结构变化引起网络平衡点状态变化的动态特性；分析了联想过程中输入激励在噪声干扰情况下网络的抗噪性能，得到一些对于研究联想神经网络学习性质有用的结论。     

PID神经网络辨识能力的初步研究

PID神经网络具有在线自学习能力，通过无教师的自学习方式，PID神经网络成功地实现了不同的系统辨识。本文在介绍PID神经网络的基础上，论述了PID神经网络进行系统辨识的理论依据，给出了PID神经网络通过自学习进行非线性动态系统辨识的结果。     

冷轧机HAGC系统非线性模型辨识

分析了冷轧机液压自动厚控系统（HAGC）的非线性动力学模型特性．采用改进的Elman网络,建立了某冷轧平整机HAGC系统的动态模型,试验结果表明,Elman网络利用内部状态反馈描述系统的非线性动力学行为,适合于高阶非线性动态系统的实时辨识。     

基于改进型神经动态规划算法的单容液位优化控制

单容液位控制系统是一个强非线性、多约束、时滞的复杂系统,传统的PID控制算法很难对其进行精确自适应优化控制。介绍了一种改进型的神经动态规划(NDP)算法,其中模型网络用小波神经网络来替代,并针对单容液位控制系统的液位进行自适应优化控制。仿真结果表明,基于神经网络的NDP算法在鲁棒性、控制精度和控制效果都优于传统的PID算法。     

一种优化 BP 神经网络训练样本的方法

BP神经网络训练样本的选取对网络的泛化能力有较大的影响,特别,怎样从高维大样本数据中选取合适训练样本是一个难点。本文运用因子分析法对大样本数据进行预处理,再利用分析所得的公因子进行聚类分析,这样既可以降低指标的维数,也可以减少样本的数量。实验证明,该方法简化了网络结构、加快了网络的收敛速度,对提高网络的泛化能力有一定的帮助。     

改进的Elman网络在非线性系统辨识中的应用

通过对Elman网络的研究,提出一种新型的基于输入层、隐层、输出层神经元递归的动态递归神经网络,给出Elman网络的标准BP学习算法,针对标准BP算法的收敛速度慢和容易收敛于局部极小点的缺点,利用非线性动量项自适应变步长的BP算法进行改进,从而提高算法的收敛速度,避免陷入局部极小点的问题.通过在系统辨识中的应用,表明该网络收敛速度快,模型精度高,并具有较强的自适应性和鲁棒性,适合于动态系统的实时辨识.     

便携式网络检测仪的设计与实现

随着校园网络应用的复杂（特别是P2P模式的使用），网络带宽的增长需求也不断增加，但总带宽又不能无限增加，因此对网络带宽的管理提出了很高的要求．为了在日常的网络管理中，管理员能在小范围内快速地对计算机使用模式进行定位，设计一种使用ARM处理器的基于神经网络的便携网络检测仪，同时针对于类似ARM小计算能力的CPU，提出了动态神经网络应用地设计模式．实践表明，使用该设计模式可以使小计算能力的CPU发挥出非常好的效果，以此设计出的便携网络检测仪可以快速准确定位，在日常的网络管理中起到非常重要的作用．     

遗传神经网络及其在非线性系统辨识中的应用

介绍了浮点遗传算法的原理及其在神经网络权值和阈值优化计算中的应用,提出了用遗传神经网络对非线性系统进行系统辨识的构思。     

一种新的基于DFNN的时间序列预测

对时间序列预测, 利用自回归移动平均模型(ARIMA)给出了一种新的基于动态模糊神经网络(DFNN)的模型, 该模型中主要是考虑了输出误差这个重要因素. 将ARIMA模型产生的非线性特征用DFNN模型模拟. 能够产生比DFNN和ARIMA单个模型更加精确的模型. 因此, 它可以作为一个适当的替代模型来预测任务,特别是当需要更高的预测精度的时候. 最后用Mackey-Glass时间序列验证了模型的有效性.     

神经网络解耦控制系统的分析

本文基于神经网络的理论研究提出了一种新的神经网络解耦控制方法，该方法以被控对象的一组实测数据作为样本，训练出用神经网络描述的逆动力学模型，并将它作为解耦控制器投入到控制系统中．对某二元精馏塔控制的仿真结果表明该方法是切实可行的．     

BP神经网络在车辆制动性能预测中的应用

首先建立了车辆制动过程数学模型,利用该数学模型对JS2310农用运输车的制动性能进行了计算机仿真,并与试验结果进行了比较,表明模型是正确的为进一步提高该车辆制动性能预测的精度,引入了神经网络技术使用BP网络对不同条件下的多次仿真结果进行第一步学习,将数学模型转化为车辆制动性能预测的神经网络模型,再进一步使用整车部分试验结果对已得到的神经网络进行训练,得到最终的预测模型结果表明使用神经网络模型可以提高车辆制动性能预测的精度