随机变时滞递归神经网络的几乎指数稳定性

研究了一类随机变时滞递归神经网络的几乎指数稳定性问题。利用Lyapunov函数方法和Ito公式,结合矩阵分析技巧,给出了系统几乎指数稳定的判别准则。数值例子说明了该结果的有效性。     

利用遗传算法优化人工神经网络权值

遗传算法是一种新的、基于自然选择和基因遗传学原理的随机搜索算法．针对神经网络中BP算法学习效率低且收敛速度慢以及容易陷入局部最优等不足，文章提出利用遗传算法对BP神经网络中的神经元间的连接权值进行优化的方法．试验结果表明，用遗传算法优化BP神经网络的连接权值后收敛速度快，并有效的解决了BP算法容易陷入局部最优的问题．     

无标度网络拓扑的统计研究

近年来,无标度网络已成为系统科学研究的热点,出现了一些通用的形式化分析方法。从概率论的角度,分析了无标度的形成机制及其对复杂系统宏观结构的影响,介绍了国际上最有影响的一些成果和研究,并简述了无标度网络的应用前景。     

一个改进的层次型传感器网络密钥管理协议

针对传感器网络中基于共享主密钥的现有密钥管理方案的不足,一种新的层次型传感器网络密钥管理方案——新LEAP（NLEAP）被提出,NLEAP在密钥建立阶段采用改进的BROSK协议来防止Hello Flood攻击和降低能耗,使用单向Hash函数和通信子密钥减轻密钥更新的代价。性能分析表明NLEAP不仅提高了安全性,而且也降低了能耗,并能适应多数路由算法的需要。     

复杂网络中基于疾病传播模型的阻塞传播

复杂网络是现实世界的抽象,交通网络是一个复杂巨系统。从网络复杂性理论出发,在SIR、SEIR等传统的疾病传播数学模型的基础上,结合实际定义流动形式为:易阻-阻塞-调整-易阻(Susceptible-Infected-Adjustive-Susceptible),提出SIAS模型,用以说明交通网络中的阻塞传播特性;并利用建立的SIAS模型,通过仿真进一步分析模拟了交通阻塞的传播状况,得到了许多有益的理论结果,有可能为交通运输网络规划、设计、建设和管理提供科学的研究手段和理论支持。     

多媒体传感器网络中服务感知的业务调度算法

作为传感器网络的高级形式，多媒体传感器网络在环境监控、安全监控以及医疗保健等诸多应用领域发挥重要作用。首先介绍一种提供区分服务的分簇传感器网络体系结构，进而提出一种服务感知的业务调度策略，使用非抢占的优先扳排队模型保障两类服务对时延的要求，以提供满足监控应用需求的QoS。理论分析和仿真试验证明了方法的有效性。较之其它典型方法，方法更适用于可提供区分服务的多媒体传感器网络。     

零模型及其在复杂网络研究中的应用

从假设检验这一源头出发,描述零模型方法产生的理论和实践背景,在生态学零模型启发中总结零模型的本质作用,并重点叙述在复杂网络拓扑结构研究中零模型的构建及其应用研究所取得的成果,讨论了复杂网络零模型研究的发展方向。     

基于优化的RBF神经网络模式识别新方法

提出了一种基于Hough变换优化的RBF神经网络模式识别新方法,该方法把Hough变换应用于RBF神经网络的参数确定中,实现了RBF神经网络的隐层节点数和数据中心值的自适应获取,提高了RBF神经网络的泛化能力。仿真结果表明:此改进的RBF网络用于模式识别中具有识别能力强,计算量小,识别速度快的优点,具有广阔的应用推广前景。     

基于统计学习理论的小波神经网络优化

传统的离散仿射小波神经网络训练都是建立在大样本基础上的,当样本数量较少时,不能保证网络的泛化能力。在研究统计学理论的基础上,提出了以结构风险最小化为目标的训练方法。首先根据样本数据和小波基函数的时频局部化特性构造隐含层函数集,并按照小波基函数的能量大小来建立函数嵌套结构,然后采用自适应正交最小二乘法来训练网络权值,保证训练的小波神经网络结构风险最小化。仿真表明该方法不仅具有较高的收敛速度,而且最大限度地保证了网络的泛化能力。     

无标度网络拓扑结构非均匀性研究

利用网络结构熵定量分析了无标度网络拓扑结构的非均匀性.通过引入度秩函数,解析地给出了无标度网络的网络结构熵.研究发现当标度指数大于2时,无标度网络的网络结构熵仅与标度指数有关,与网络规模及最小度无关.在给定网络规模及最小度条件下,无标度网络的网络结构熵在标度指数等于1.7附近取最小值,即此时网络最不均匀,当标度指数大于1.7时,无标度网络的网络结构熵随标度指数单调递增.