改进的模糊神经网络学习规则研究

在S Stoeva提出的基于相同样本及网络输出的模糊反向传播算法基础上,通过对基于极大-极小模糊算子的模糊神经元模型的研究,对含有一个隐含层的单输出模糊神经网络,提出了依赖于各模糊神经元输出的调整模糊权值的网络学习算法,该算法具有直观和可操作性强的特点.并以汽轮发电机组的状态监测为例进行仿真,仿真结果表明网络学习效果较好.     

混合遗传BP算法在图象识别中的应用

介绍了传统的遗传算法与BP算法,分析了它们各自的不足. 提出了一种将BP算法与遗传算法有机结合的混合智能计算方法,并且给出了具体的算法实现流程.将该方法应用于数字图象识别, 实验表明混合算法优于传统BP算法.     

基于钻孔信息的地层数据模型研究

为了建立城市三维数字地层信息管理系统 ,提出了一种适合工程地质和岩土工程学科特点的地层数据模型———基于钻孔信息的地层数据模型 .该模型采用了面向对象的方法 ,因此其数据结构的类层次关系、模型的构造过程等条理清晰 ,而且能与面向对象的编程语言有机结合 .同时 ,该模型借助于Delaunay三角网来构造二维和三维拓扑关系 ,大大简化了三维形体之间复杂的拓扑关系 ,而且借此可以处理地层数据模型中的断层等突变信息 .利用这一数据模型 ,可以较好地模拟三维地质实体的真实景观     

洞庭湖区季节性河流浅滩航道整治方法初探--以安乡至茅草街航线七星堆滩整治为例

安乡至茅草街航线位于洞庭湖区长江分洪道凇滋河与虎渡河会流后的尾闾段,该航线为季节性河流．此类河流浅滩来水来沙条件及演变规律均与一般平原河流浅滩明显不同．涨水期河段输沙顺畅时,浅滩主流以冲刷为主;周边河流涨水及洞庭湖水位普遍抬高的滞水期,浅滩发生淤积．以七星堆滩为典型,归纳了针对该类浅滩在挖横布置及整治建筑物方面的设计原理,总结了该类滩险航道整治的设计思路、整治原则和方法．     

移动Ad Hoc网络拓扑控制研究

概述了Ad Hoc网络拓扑控制的研究现状和一些典型的拓扑控制方法，并提出了一种适用于移动Ad Hoc网络的分布式拓扑控制算法，它通过寻找网络的不同划分(panitions)之间最近的结点对，以最小的能量维护连接的拓扑．该算法与某种路由协议(如优化的链路状态协议)相结合，从而该拓扑控制机制几乎没有额外的控制开销．通过对网络拓扑的控制，可显著增加多步(multihop)移动无线网络的性能和网络寿命。     

前馈神经网络复值盲均衡算法的研究

提出了一种新的前馈神经网络(N-FNN)复值盲均衡算法。新算法改变了传统均衡技术大量发送训练序列而降低系统传输的有效信息率,有效地消除码间干扰,提高了通信质量。笔者设计出新的传递函数和代价函数,利用最陡梯度下降法推导出输出层和隐层单元权值的迭代公式。通过对QAM信号进行计算机仿真,笔者提出的新算法与同类算法相比,具有均方误差收敛速度加快、误码率降低、稳态剩余误差减小等优点     

基于EMD与BP神经网络的中国股票指数期货价格预测

应用经验模态分解算法（EMD）和BP神经网络理论提出了我国股指期货市场价格走势预测模型。首先应用EMD分解算法把股指期货价格序列分解成不同尺度的内禀模态分量（IMF）,再通过重复试验的方法运用BP神经网络对股指期货价格序列和分解得到的所有IMF的数据序列进行训练,得到股指期货价格的预测模型,并对股指期货价格进行预测。实验表明,通过该方法得到的预测值与股指期货的实际价格有着很高的拟合度。     

面向会议活动的科研协同云平台实现

面向学术领域的会议活动需求,利用自主研发的协同工作环境套件Duckling,建立满足科学研究和交流过程中会议活动需求的Duckling科研活动云平台框架和模型.通过对云平台模型、接口实现、功能用例的阐述,描述了面向会议活动的科研活动云平台研究所需要解决的关键技术问题.同时还对基于会议活动的社会网络进行了初步探索,提出了多层次互动的会议活动平台社会网络服务模型.基于所提出的云平台模型,已开发并初步实现了中国科学院国际会议服务平台,并在中国科学院30多个研究所得到应用.     

双忙音媒体接入协议中的隐藏节点问题及其改进

针对双忙音媒体接入(DBTMA)协议只能防止发送距离范围内隐藏节点的问题,提出了一种增强的DBTMA改进(EDBTMA)协议,以彻底消除大规模ad hoc网络中的隐藏节点问题.ED-BTMA协议特点有二,一是采用了双收发器结构,其中的一个物理信道(数据信道)为高带宽信道,可利用现有802.11a/g无线设备,二是采用了忙音自适应功率控制机制,这样接收节点根据发送节点的信号强度可动态调整忙音的发射功率,以完全覆盖接收节点周围所有的隐藏节点,并在接收数据的过程中保证接收节点不受隐藏节点的干涉.仿真结果表明,在改进协议下的网络吞吐量平均提高了48%.     

基于人工免疫算法的电网负荷预测模型的研究

为了克服传统神经网络预测方法在网络结构设计和收敛效果等方面存在的缺陷。提出了一种进行电力系统负荷预测的新算法———人工免疫算法。该算法是根据高等动物免疫系统的机理而设计的,将目标函数和一部分不等式约束条件作为抗原,将搜索空间的解作为抗体,依据抗原与抗体的结合力以及抗体之间的结合力对解进行选择,通过抗体之间的相互激励作用提高了最优点附近的搜索效率,通过记忆细胞对抗体的抑制作用有效地摆脱局部最优点。应用该模型于阜新地区负荷预测的实例中,结果表明,该模型与传统的神经网络预测方法相比具有较强的自适应能力和较好的效果。