RBF-DDA 神经网络用于手写体汉字识别的研究

使用了一种新的神经网络模型———动态衰减调节径向基函数（ＲＢＦＤＤＡ），并结合一种新的特征提取方法来进行手写体汉字识别的研究，通过对１００种汉字、１５０００个样本的初步实验，取得了识别率为９９％的良好结果，表明将ＲＢＦＤＤＡ引入到手写体汉字识别的研究是比较成功和可行的。     

人脸检测与识别方法研究

人脸图像处理包括人脸检测、人脸识别等．分析了有关人脸检测问题的研究方法并对其进行了分类和评价,重点介绍了人脸自动识别这一领域的研究方法并对其进行了简要分析评价,最后提出了人脸图像处理领域的研究展望．     

一类具有连续分布延时的随机反应扩散的Hopfield神经网络的收敛动力学行为

本文研究了一类具有连续分布延时的随机反应扩散的神经网络模型.通过构建恰当的Lyapunov函数,以及运用非负半鞅收敛性定理,得到了该网络平衡解几乎必然指数稳定和矩指数稳定的充分条件.最后我们给出了一个例子验证了条件的正确性.本文所得到的结果不要求激励函数是可导,有界,单调非减的,也不要求连接权矩阵是对称的,在解决最优化问题等方面有重要意义.因此我们推广和完善了以前的结果.     

连铸二冷控制的智能化方法

提出了板坯连铸二次区全智能控制系统的构想，并用人工神经网络和模糊控制的方法对该系统进行了计算机仿真。结果表明，该系统不但能完成二冷各区段坯表面温度的动态控制，而且具有良好的自适应性和自学习功能。     

Visualization of Biomolecular Networks’ Comparison on Cytoscape

Similarities and dissimilarities between biomolecular networks cannot be intuitively recognized even after the development of several comparison algorithms because of the lack of visualization tools. In this paper, an integrated tool kit named Biomolecular Network Match（BNMatch） is designed and developed based on Cytoscape—a popular and open-source tool for analyzing and visualizing networks. BNMatch integrates the comparison of the outputs of algorithms used for processing biomolecular networks and expresses the matching data between them by defining similar vertices and links with similar attributes. Moreover, in order to maintain consistency, their counterparts in other networks change when the nodes and edges in one of the compared networks are changed. It becomes easy for users to analyze similar networks by invoking comparison algorithms and visualizing the matching data between the networks using BNMatch.     

一类具多比例时滞细胞神经网络的全局指数稳定性

通过构造合适的Lyapunov泛函和运用Halanay时滞不等式,讨论一类具多比例时滞细胞神经网络的全局指数稳定性,得到了判定该系统平衡点全局指数稳定的一个时滞独立的充分条件.通过数值算例和仿真结果验证了所得结论的有效性.     

应用人工神经网络的无功／电压控制新方法

本文利用人工神经网络中的HOPFIELD连续模型(HNN)来求解电力系统中的无功优化问题,对HNN模型作了改进,使其能够处理等式约束和不等式约束,从而使得HNN模型可以应用于求解非线性规划问题。在算法上,和传统的无功优化方法不同,本方法不区分状态变量和控制变量,只以节点电压作为DNN模型能量函数中的自变量。该方法开发了HNN神经网权值矩阵的稀疏性。通过对雅可比矩阵的修正,引入了变压器变比的变化。另外,本文还从理论上分析了HNN模型的能量的性质,探讨了一种修正HNN模型能量函数中参数的方法,从而保证了解的可行性。最后,通过两机系统,IEEE-6节点,IEEE-30节点系统的测试,验证了这两种模型的正确性。     

基于小波分析法与神经网络法的非平稳风速信号短期预测优化算法

为提高传统神经网络对非平稳风速的预测精度,提出一种基于小波分析法与神经网络法混合建模的优化算法。该优化方法引入小波分析法对实测非平稳风速信号进行分解,将非平稳性原始风速序列转化为多层较平稳分解风速序列,再利用BP神经网络对各分解层风速序列建立预测模型,最终加权各层预测结果获得风速超前多步预测结果。仿真结果表明:该优化算法实现了风速的高精度短期多步预测,将传统神经网络法对应超前步数的平均绝对相对误差分别提高了55.56%,32.43%和34.58%,其超前1步、3步和5步预测的风速平均相对误差分别为0.48%,1.50%和2.97%。优化网络具备信号分解与自学习能力。     

异构网络中高能效动态流量卸载

研究了异构网络中,以优化系统能效为设计目标的动态流量卸载。综合考虑了用户移动性和业务动态性的影响,利用动态规划理论对异构网络中的流量卸载问题进行了建模分析,将系统能效在连续时间上的优化问题转化成多阶段决策的最优化问题。在此基础上,基于延时流量卸载的思想,利用动态规划的分析模型,提出了一种系统能效优先的动态流量卸载算法。仿真结果表明,与已有的流量卸载算法相比,提出的动态流量卸载算法能有效地提升系统的能量效率。     

面向连接的并发多路径转发算法

在分析数据流关系的基础上,通过动态链表给无连接的IP网络增加一定的面向连接的特性,并结合跨层的思想在IP层对TCP报文首部进行跨层操作,提出了一个面向连接的并发多路径转发算法(CCFA).CCFA通过动态链表统计的不同流的比例关系,对不同流的流量特征进行分类,在多路径上对不同流量进行分流转发.最后通过NS2仿真实验研究了不同转发粒度的特点及相关的应用场合,结果表明CCFA以一定的存储开销为代价,获得了较高的转发性能,提高了带宽利用率,降低了端到端延迟,而且本算法易于在下一代网络的可编程路由器中部署使用.