无线传感器网TPSN的优化方案

文章在介绍无线传感器网络的时间同步协议TPSN(Timing-sync Protocol for Sensor Networks)的基础上.针对无线传感器网络中隐终端和冲突可能导致TPSN的不可靠、同步周期短、同步开销较大等问题.提出了TPSN的优化方案,可以提高其时间同步可靠性、估计时间误差、延长同步周期、并可大大减少其同步开销.     

基于特征加权的神经网络集成及其应用

泛化能力是机器学习关注的基本问题之一.特征加权是特征选择的更一般情况,它能更加细致地区分特征对结果影响的程度,往往能够获得比特征选择更好的或者至少相等的性能,已经成为普遍的提高学习器的泛化能力的方法之一.该文提出一种基于特征加权的神经网络集成方法FWEART,该方法通过自适应遗传算法的优胜劣汰机制为输入属性确定了特征权值,提高了集成中各个体Category ART网络的精度和差异度,从而提高了神经网络集成的泛化能力.在UCI标准数据集上验证了有效性后,FWEART被应用在地震序列类型预报上,取得了较好的预报效果.     

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.     

人工智能在计算机网络技术中的应用研究

人工智能技术作为当前最为先进的技术手段之一,对于计算机网络技术的发展具有重要意义。人工智能可以应用在计算机网络技术的多个方面,比如数据挖掘分析、网络安全管理、网络系统管理与评价、平台智能化管理方面。当前,人工智能技术应用还存在一定的不足,因此,有必要进一步提升人工智能技术,实现计算机网络技术应用领域的突破。     

融合时间和地理信息的兴趣点推荐研究

在兴趣点推荐任务中,数据的严重稀疏性限制了模型的推荐性能,并且现有工作忽略了用户在不同时间段访问行为的差异性。针对上述问题,提出了一种融合时间和地理信息的兴趣点推荐模型。该模型首先通过循环神经网络联合学习多种因素;然后利用地理关系模块捕获轨迹中的地理影响。最后,通过一个统一的框架,针对用户工作日和节假日的不同出行需求,推荐不同的访问地点。实验证明,所提模型在兴趣点推荐表现上优于现有模型。     

基于复杂网络视角的智能周转箱绿色配送模式设计

常规烟草周转箱选型设计时仅考虑使用功能这一指标,未从经济持有量、单次装载率、总配送时间、汽车运载量等因素综合考虑,致使当前物流配送碳排放量高、经济效益低。基于线上线下融合的方法,首先利用百度指数和问卷调查收集整理出90个关于物流配送方面的高频词,然后使用复杂网络进行数据处理,将处理后的结论用于周转箱设计、周转箱溯源、周转箱回收,最后通过智能设计制造和Flexsim物流仿真,改善配送流程,形成智能周转箱绿色配送模式。通过两年的实际运行,智能周转箱与传统周转箱相比,每次使用能减少碳排放0.11 kg,减少幅度达15%,社会效益和经济效益显著。     

基于人工神经网络的系统建模及MATLAB实现

为了提高科研项目评估的客观性和公正性,选用BP网络为模型,利用逆向建模技术和MATLAB实现了"科研项目选题决策综合模糊评估系统"。测试数据表明该系统能较准确地对科研项目作出评估得分。     

基于外部知识的药物相互作用关系抽取方法

药物相互作用是指药物之间存在的抑制或促进等作用. 针对目前方法在不同关系类别上的抽取结果差异较大的问题,论文提出了一种利用外部知识的关系抽取模型,该方法首先对外部药物数据库中的信息进行处理,构建带有药物描述信息的数据集,然后在该数据集上进行模型训练,并保存最优模型,最后将该最优模型与药物关系抽取模型相结合,进行药物关系抽取,从而更好的利用了药物数据库中已有的知识,缓解了不同关系类别抽取结果差异较大的问题,提高了抽取效果. 在DDIExtraction 2013数据集上的实验结果表明,论文方法的F1值优于目前最优方法2.47%.     

基于高斯噪声与ST-GCN的人体骨架动作识别

针对基于ST-GCN的骨架动作识别中人工预定义的邻接矩阵结构单一、难以捕捉到非相邻关节点之间的相关性这一问题,提出了一种基于高斯噪声的扰动机制.在人工预定义的骨架图邻接矩阵上引入高斯噪声,利用该噪声扰动ST-GCN中固定的邻接矩阵,捕捉非相邻关节点之间的相关性,运用该方法在具挑战性的NTU RGB+D和Kinetics-Skeleton两个大规模数据集上进行了分类识别实验,结果表明：该方法在两大数据集上的识别精度高达95.34%和36.43%,在节约计算量的前提下有效地提高了动作识别的性能.     

供应链网络设计的健壮性指标

为了建立供应链健壮性和基本网络参数之间的关系,介绍了一种系统化方法来量化供应链网络的健壮性指标设计.在供应链总连通矩阵和可到达性矩阵基础上,提出了系统化的网络健壮性指标设计方法,该方法同时考虑了网络结构的健壮性和网络功能的健壮性.研究结果表明,所提出的方法是有效的.