基于流量域的校园网组网新模式

传统的互联型网络架构难以适应日趋复杂的校园网应用需求,是目前影响数字化校园建设深入发展的一个重要因素.借鉴城域网建设思路,充分考虑学校各个功能模块对网络带宽、网络安全、服务质量、策略管理等方面的要求,积极探索按流量域划分的校园网建设新模式,使各功能子网既有机联系又相对独立,杜绝冲突与碰撞,可以为广大师生员工提供更高性能、更高安全、更灵活易管理的网络应用平台,同时为数字化校园的实现打下更为坚实的基础.     

基于混沌和RBF神经网络的短时交通流量预测

针对传统的应用数学模型方法在短时交通流预测精度和实时性方面存在的问题，论文从非线性时阅序列的角度对短时交通流量预测进行探讨，提出采用基于混沌理论的RBF神经网络预测方法。首先在采用小数据量的Lyapunav指数计算方法判定交通流存在混沌的前提下，对交通流量数据进行相空间重构。构建了RBF神经网络，并对模拟产生的Lorenz和Rossler混沌时间序列数据以及实际采集的高速公路交通流量数据进行了仿真研究。结果表明，该方法对模拟产生的混沌时间序列具有很好的预测效果，在交通流量的短时预测上也具有较高的预测精度。     

一种基于星型子网的片上网络结构研究

提出了一种基于星型子网的片上网络结构SSBM NoC（Star-Subnet-Based-MeshNoC）,它在已有网格状结构的基础上引入了子网的概念,并在子网内使用星型拓扑结构来连接一个交换机与四个网络节点。OPNET仿真结果表明,在同等网络规模下SSBM结构较之单纯的二维网格状结构具有更少的端到端通信延时,并仅使用其1/4数目的交换机,而交换机的负载则不到其两倍。     

基于RBF神经网络在线辨识的永磁同步电机单神经元PID矢量控制

提出一种基于RBF神经网络在线辨识的永磁同步电机单神经元PID矢量控制新方法,该方法针对传统的PI调节器固定参数所造成的不足,利用具有自适应能力的单神经元PID调节器和RBF神经网络相结合,实现了参数在线辨识,转速在线控制.仿真结果表明该方法控制精度高,动态特性好,适合于永磁同步电机的速度控制.     

从RBF核函数中抽取关联分类规则

目的为解决SVM分类器的分类模式难以为人类专家所理解等问题而提出一种有关InterRBF算法的新思路。方法通过将RBF核函数将其展开成麦克劳林级数,并从展开式中挖掘对分类分析起重要作用的关联规则,从而在SVM的分类模式中学习出关联规则分类器。结果改进后的SVM分类器具有较好的分类准确度;改变了当前研究从SVM的分类模式中抽取规则的方法仅限于IF-TEHN规则或者学习出决策树的状况。结论从RBF核函数抽取关联分类规则,对于在难以理解的知识中提取可理解的表达规则是可行的方法。     

基于软测量的钢坯表面温度预报模型研究

本文以步进式加热炉中钢坯温度分布为应用背景,提出了利用径向基(RBF)神经网络来实现钢坯表面温度预报的软测量模型,并且对典型工况进行了仿真,结果表明,测量精度完全符合工业应用要求。     

基于RBF神经网络的PID控制器

传统的PID控制器参数难以整定,且依赖于对象的精确数学模型,适应性较差。针对传统PID控制效果不理想的问题,采用RBF神经网络对PID参数进行整定,并用MATLAB进行仿真,取得了令人满意的效果。     

楼宇门禁系统基于petri网的分析和设计

Petri网具有优势,比如同步、并发、冲突等特点,因此可用来对复杂系统进行建模。但是在复杂的系统建模过程中,设计者会常遇到子系统的合成问题,本文介绍了一种共享P-型子网的合成。本文以楼宇门禁系统为例,分析了门禁系统的各种情况及该情景下的Petri-网模型,最后根据各个Petri子网的特点,采用了共享P-型合成方法,合成为一个系统的整体建模图。     

运用综合保护方式提高SDH网络安全性

<正>本文,笔者重点分析了现有SDH(同步数字体系)网络结构及其存在的不足,充分利用现有资源,在现有网络上使用双上联以及SNCP(子网连接保护)和复用段保护相结合的方式配置电路,使之具有抗多点故障的能力,提高了SDH网络的可靠性。目前,SDH仍是通信运营商主要的传输方式,各运营商已     

RBF神经网络在煤的热解特性研究中的应用

在MATLAB5．3环境下，利用神经网络工具箱中的RBF神经网络算法，通过煤的元素分析和工业分析对煤的热解特性进行了研究，对热解析温度T1，最大反应速度对应的温度T1max，热解前期热解量G1以及热解完成时间 t进行了预报，预测结果表明用RBF神经网络来研究煤的热解特性，可以达到较高精度，是一种很好的研究方法。