论无标度网的增长和择优

增长和择优机制是无标度网络中两种重要的演化机制,已发现比较重要的择优机制有度择优和秩次择优,比较重要的增长方式有星形图增长和完全图增长.该文首先分析了秩次择优机制对网络度指数的影响,指出可以利用秩次择优来构造度指数在较大范围内变化的模型. 接下来分析了星形图增长和完全图增长的优缺点,并提出了更符合实际情况的模体增长方式,然后结合秩次择优机制和模体增长方式提出了一个新模型——模体增长秩次择优模型,该模型除了具有较宽的度指数范围外,还在度指数大于2.5时具有独立于网络规模的群集系数.     

能耗均衡的非均匀分簇多跳路由协议

针对无线传感器网络能耗不均衡的问题, 提出一种非均匀分簇多跳路由协议ECBUC(Energy Consumption Balanced Unequal Clustering)。在簇首预选阶段引入能量因子, 使高能量节点参选的可能性增大; 分簇阶段通过竞争算法将网络划分为面积不均等的簇, 从而改善无线传感器网络的“热区冶问题; 在簇间路通过形成阶段给
出综合考虑中间节点的相对位置和剩余能量的评价指标, 协调了簇间通信的代价和网络的能量分布。经过仿真实验, ECBUC 协议可有效地均衡网络能耗, 与EEUC(Energy Efficient Uneven Clustering)协议相比, 使网络的生命周期平均延长了22. 29%, 提升了网络性能。     

BP神经网络学习率参数改进方法

针对动态BP神经网络学习率优化方法收敛速度慢而且对误差曲面变化不敏感等不利因素,本文提出了一种改进的BP神经网络学习率的优化算法,该策略使网络对误差曲面变化敏感且收敛速度快。     

动态数学神经网络模型及其应用

本文在［１］的基础上建立了广义数学神经元,并引入动态机制,形成动态数学神经网络,由网络当前状态决定网络结点数．从而在一定程度上解决了前向神经网络隐层结点数无法确定的难题,并成功地将其运用于解决用多项式逼近连续函数的魏尔斯特拉斯定理,并建立了龙贝格求定积分的动态数学神经网络模型．     

一种基于嵌套网络的新型路由优化策略

随着无线技术的迅速发展以及移动数字设备数量的迅速增加,移动性已经成为因特网的重要元素.因特网工程任务组设计的用于提供网络移动性的网络移动性基础支持协议,由于其非最优的路由以及冗长的封装过程,往往会产生相当长的传输延迟以及严重过长的大分组,因此在嵌套移动网络中并不能得到低延迟的切换.为了解决网络移动性基础支持协议在嵌套网络中的高延迟问题,该文提出了一种用于嵌套网络的路由优化机制.该机制基于带有绑定更新树的分层结构,使用绑定更新缩短从移动路由到通信节点或移动网络节点之间的通信延迟;在移动网络内部,使用在分组头部增加家乡地址选择段的方法,降低了顶层移动路由的寻路延迟.仿真结果表明该路由优化策略相对基础支持协议可大大降低嵌套网络中的分组延迟,从而降低了分组开销和切换延迟,达到了最优路由.     

Online Distributed Fault Detection of Sensor Measurements

In wireless sensor networks (WSNs), a faulty sensor may produce incorrect data and transmit them to the other sensors. This would consume the limited energy and bandwidth of WSNs. Furthermore, the base station may make inappropriate decisions when it receives the incorrect data sent by the faulty sensors. To solve these problems, this paper develops an online distributed algorithm to detect such faults by exploring the weighted majority vote scheme. Considering the spatial correlations in WSNs, a faulty sensor can diagnose itself through utilizing the spatial and time information provided by its neighbor sensors. Simulation results show that even when as many as 30% of the sensors are faulty, over 95% of faults can be correctly detected with our algorithm. These results indicate that the proposed algorithm has excellent performance in detecting fault of sensor measurements in WSNs.     

基于生成对抗网络的细胞形变动态分类

提出了一种基于生成对抗网络的细胞形变动态分类方法,以活细胞视频中的细胞形变动态为对象,引入分类器辅助的生成对抗网络结构同步训练生成对抗网络和分类网络,通过生成对抗网络产生的数据提高了原本分类网络分辨细胞形变动态的性能.首先,细胞动态图像被用于将活细胞视频中的时间维度进行压缩,使其从视频域映射到图像域以方便生成对抗网络的构建.其次,基于分类器辅助的生成对抗网络结构,将分类网络的分类信息作为辅助信息来改善生成对抗网络对多类样本的生成,同时生成网络生成的多类样本可以反过来优化分类网络对于细胞动态形变的分类性能.在构建的活细胞视频数据库上,可以验证提出方法能有效地捕获细胞视频中的空时细胞形变动态,并且其分类的性能优于其它主流方法.     

一种基于遗传算法的BP神经网络算法及其应用

主要分析了神经网络和遗传算法的特点和存在的一些缺陷，研究了遗传算法和BP神经网络学习算法相结合的相关技术，设计并实现了一个基于遗传算法的BP神经网络算法BP—GA，已应用于肺癌早期细胞病理诊断系统中。实验结果表明，该算法具有较强的收敛性和鲁棒性，其应用效果很好。     

聚氨酯/环氧树脂互穿网络硬泡循环压缩

制备了聚氨酯(PU)/环氧树脂(ER)互穿聚合物网络硬泡,研究了互穿聚合物网络(IPN)硬泡的化学结构及微观结构形态.傅里叶红外光谱(FTIR)分析表明,IPN硬泡的网络间存在接枝反应.扫描电子显微镜(SEM)分析发现,IPN硬泡泡孔结构形状都比较均一.循环压缩实验研究表明：随循环次数增加,应力下降,单次循环的能量损耗下降;随ER含量增加,IPN硬泡的压缩模量和强度提高,相同应变下应力增加,每次循环耗能增加;循环压缩的加卸载应力 应变曲线可用改进的Ogden模型表示;累积能量损耗可用Weibull方程表示.     

P-平坦模和P-平坦维数的若干性质

根据P-平坦模和P-平坦维数的定义给出了它们的一些性质。用P-平坦模刻画了正则环,同时对P-平坦维数也进行了探讨,得出了对于任意环R,rpfD（R）=sup{rpfd（R/I）｜I是R的左主理想}等性质。