BP算法应用中的关键问题

分析了学习方法的选择、隐层数和隐层单元、学习步长的选择、避免局部最小的方法、学习样本的选择、激活函数的选择等使用BP算法时应考虑的问题,并将BP网络应用于化学反应催化模型。     

基于IP的网络集群负载优化系统探讨

随着社会的发展,网络或者说因特网（Internet）在人们的生活中的地位显得日益重要,很多人都开始把网络作为人类赖以生存的基础设施,如同水、电等。未来网络的应用将需要更高的吞吐率、更好的交互性、更高的安全性,这要求服务平台具有更强的处理能力和更高的可用性。     

2010年的机遇和挑战

新年伊始,回顾过去、规划未来已是不可或缺的功课,孔子的“温故而知新”不知道有没有包含这层意思。从已经得出的诸多统计数据看,曾被诸多人士喻为经济严冬的2009年其实并不寒冷,至少也是个暖冬。中国直销业在逝去的2009年延续着勃勃的生机,许多企业均创下了有史以来的销售业绩纪录。2010年,中国直销业能否续写辉煌,则取决于行业是否能把握机遇、直面挑战、化消极为积极。     

县级城镇空间拓展模式与规律探析

研究县级城镇空间拓展的模式及其发展规律,对城市总体规划和管理具有重要的现实意义.本文通过经验总结法归纳出三种主要的拓展模式,并分析了其拓展演变过程中的六大规律,使我们对县级城镇空间拓展的认识更加清晰深刻,这对实际工作有一定的指导作用.     

大体积混凝土施工技术

大体积混凝土指的是最小断面尺寸比较大（一般大于1米以上）的混凝土结构,其尺寸已经达到必须采用相应的技术措施妥善处理温度差值,合理解决温度应力并控制裂缝开展的混凝土结构。本文从原材料选择、内部温度降温和测温措施及施工组织三方面探讨大体积混凝土施工技术。     

绿色化学--解决21世纪环境、资源问题的根本出路之一

绿色化学是21世纪经济社会可持续发展的化学,是与生态环境协调发展的化学.绿色化学的核心是用科学的方法和现代技术解决从起始原料、反应条件到目标产品的绿色化问题和人类安全.     

基于改进DEA模型的工业企业技术创新能力评价

针对传统数据包络分析(DEA)方法的C2R模型存在的无法对有效的决策单元加以区分以及输入和输出指标权重分配不合理问题,通过引入两个虚拟决策单元,建立了区分有效决策单元的改进DEA模型.利用该模型可以求得各决策单元的公共权向量,从而实现了对所有决策单元的区分和排序.通过将该模型应用于工业企业技术创新能力评价,验证了该模型可以区分传统C2R模型求得的有效决策单元,并使对决策单元的评价更为合理.     

企业分形分布的判定和应用

尽管分形企业的概念得到了广泛的认同,但企业分布是否是分形这一关键问题一直未得到解决.本文采用行政区划国家标准建立了两个行业的δ-覆盖,并基于信息维数的定义,定量验证了企业分形分布的猜想,并测定了两个行业的分数维数.在此基础上将分数维数与嵌套区域秩序方法相结合,提出一种新的分形分布拟合方法FDF.经实际检验,FDF相比传统的方法,在所需数据量小、稳定性强、适应重点区域等方面,具有显著的特点和优势.最后,本文将该方法应用到一个调度实例问题,不仅给出了跨企业调度的优化范围,而且证明本文方法可以广泛应用于各类依赖于空间分布的企业协同研究.     

MPI并行矩量法计算二维粗糙面波束电磁散射

通过有限脉冲响应滤波器理论和快速傅里叶变换方法,模拟了二维高斯随机粗糙面。从电场积分方程出发,利用RWG (Rao-Wilton-Glisson)基函数矩量法结合Galerkin方法,在PC集群并行平台上研究了二维导体高斯粗糙面对波束的电磁散射特性。为使得PC集群信息传递接口(message passing interface, MPI) 并行平台上各参与运算的各进程的负载平衡,对整个阻抗矩阵按行分块,并详细讨论了并行共轭梯度法求解矩量法矩阵方程的并行实现过程。最后在PC集群MPI并行平台上进行数值实验,分析了在波束入射条件下,均方根高度、相关长度和极化方式对二维导体高斯粗糙面的电磁散射特性的影响。     

非线性非高斯模型的高斯和滤波算法

通过将模型的状态噪声和观测噪声均表示成高斯和的形式,推导出非线性非高斯状态空间模型的高斯和递推算法,进一步提出了对应的扩展卡尔曼和滤波器（extended Kalman sum filter, EKSF）和高斯厄密特和滤波器（Gauss-Hermite sum filter, GHSF）。EKSF和GHSF分别用扩展卡尔曼滤波器（extended Kalman filter, EKF）和高斯厄密特滤波器（Gauss-Hermite filter, GHF）作为高斯子滤波器。分析的结果表明,现有的高斯和滤波算法是本文算法的特例;仿真结果表明,EKSF和GHSF能有效处理非线性非高斯模型的状态滤波问题,与高斯和粒子滤波器（Gaussian sum particle filter, GSPF）相比,EKSF和GHSF在保证精度的同时,大大降低了计算量,仿真时间分别约为GSPF的5%和6%。