一种改进的基于概率的Peer-to-Peer搜索模型

对等网络中如何快速地搜索到目标是对等网络研究的关键问题.针对现有无结构P2P系统的缺点,结合查询到目标对象的概率以及查询响应的时间,对原算法加以改进.该算法可以有效地找到目标节点,而且网络带宽消耗低.     

复合砂浆钢筋(丝)网加固RC梁受弯研究

采用无机材料高性能复合砂浆钢筋(丝)网加固混凝土梁,通过10根三面U形(在梁的受拉面和侧面进行加固)加固的混凝土梁和2根没有加固的对比梁的试验,研究了这种加固技术对钢筋混凝土梁的影响和作用,并比较了一次受力和二次受力的不同.与对比梁相比,采用高性能复合砂浆钢筋(丝)网加固的试件裂缝宽度和间距有较大幅度的减小,刚度有明显的提高,受弯极限承载力有很大的增加.在平截面假定的基础上求出试件的极限承载力,与试验结果相比有较好的吻合.     

环境温度对CFL增强RC梁承载能力的影响

对温度场中碳纤维薄板(CFL)增强钢筋混凝土(RC)梁在不同破坏模式下的承载能力进行理论分析.研究结果表明,环境温度的变化对CFL增强RC梁的承载能力有一定程度的影响:(1)当环境温度升高30K时,CFL厚度分别为0.1、0.2、0.3和0.4mm的增强RC梁的开裂载荷分别提高了5.37%、10.46%、15.9%和20.94%;(2)CFL厚度为0.1mm和0.2mm的增强RC梁的破坏模式为CFL拉断,其极限承载力随环境温度的升高呈下降趋势,但降低幅度小于3.5%;(3)CFL厚度为0.3mm和0.4mm的增强RC梁的破坏模式为混凝土压碎,其极限承载力随环境温度的升高呈上升趋势,但升高幅度小于3.5%.     

多空中作战平台协同对抗多目标态势分析方法

为了对多机协同对抗多目标的作战态势进行定量分析,根据多机协同对抗多目标的空战特征,基于神经网络和证据理论,以传感器和武器能力为证据建立敌我双方对抗态势分析识别框架。将学习引入证据合成过程,用神经网络学习对基本可信数修正系数进行优化,使证据合成能够体现证据之间的相干性和主次关系。以无人作战飞机编队对抗敌地对空防御系统为例,对所研究的态势分析方法进行了验证。获得的计算结果与通过策略实际含义分析的结果相一致,具有合理性。     

基于神经网络威胁判断模型

将神经网络理论应用于防空指挥控制系统中 ,研究了威胁判断模型 ,实例表明该方法是可行的 .     

CMAC神经网络用于分析和设计非线性过程控制系统(Ⅱ)——控制策略

本文是基于 CMAC神经网络分析和设计复杂控制系统的第二部分 ,提出了基于评价函数和CMAC预测器的控制器的设计方法 ,通过分析控制算法的收敛性和控制系统的稳定性 ,得出了控制器参数的选取方法 .该方案适用于过程的输入输出数据是可测的 ,并且可用第一部分提出的方法得到对象的 CMA C预测器 .仿真实例证明该方案是正确和实用的.     

城市居住水平综合评价方法探讨

着重从城市居住水平整体出发,考虑到城市居民居住情况的各个方面,建立了一套较为完善的城市居住水平综合指标体系.并根据城市居住水平的特点,提出用一致逼近技术对城市居住水平进行综合评价.利用这种方法,可以从整体上判断不同地区不同条件下城市居住水平的优劣情况.     

基于径向基函数网络或模糊系统的非线性连续时间系统的自适应调节

对于一类连续时间的非线性动态系统x=f(x)+Bu+d,当系统中的非线性函数f(x)满足有界或线性增长条件(具有未知的增长系数)时,首先证明了f(x)中的x落入一紧集中,然后根据径向基函数网络或模糊系统的逼近性质,给出了两种自适应调节器的设计方法.利用李亚普诺夫稳定性理论,证明了控制算法是全局稳定的,闭环系统的状态是一致最终有界的,且控制律是稳定的.     

延迟离散Hopfield-型网络广义异步收敛性分析

给出了延迟离散Hopfield -型神经网络的收敛性定理。在广义异步运行方式下 ,证明了对称连接权阵 (只要w0 对称 )条件下的收敛性定理 ,推广了已有的延迟离散Hopfield -型神经网络的收敛性结果 ,表明网络收敛滞后于能量函数收敛最多 2n 1步。最后给出了能量函数的极大值点与延迟离散Hopfield -型神经网络的稳定态的关系。     

Forecasting Government Bond Yields with Neural Networks Considering Cointegration

This paper discusses techniques that might be helpful in predicting interest rates and tries to evaluate a new hybrid forecasting approach. Results of examining government bond yields in Germany and France reported in this study indicate that a hybrid forecasting approach which combines techniques of cointegration analysis with neural network (NN) forecasting models can produce superior results to the use of NN forecasting models alone. The findings documented in this paper could be a consequence of the fact that examining differenced data under certain conditions will lead to a loss of information and that the inclusion of the error correction term from the cointegration model can help to cope with this problem. The paper also discusses some possibly interesting directions for further research. Copyright © 2015 John Wiley & Sons, Ltd.