网络科学的诞生与发展前景

概述了网络科学发展和诞生的简要历程、基本概念和主要研究内容,指出了应用发展前景.     

药对丹参-当归作用阿尔茨海默病的网络药理学机制研究

为了研究药对丹参-当归作用于阿尔茨海默病的可能机制,通过中药系统药理学分析平台(TCMSP)筛选出丹参、当归的活性成分,寻找其相关的潜在靶点;并通过预测平台人工检索候选化合物的潜在靶点是否与阿尔茨海默病相关;将靶点信息通过DAVID数据库、KEGG数据库进行靶点和通路分析;构建化合物-靶点作用网络,靶点-通路网络图,化合物-靶点-通路图.结果表明:药对丹参-当归中具有潜在作用阿尔茨海默病活性的成分有β-谷甾醇,豆甾醇,丹参酮Ⅱ、丹参新酮、隐丹参酮、二氢丹参酮,其可能通过抗炎、抗氧化、免疫系统、细胞周期、钙信号通路、神经受体-配体相互作用等机制对阿尔茨海默病起作用.     

分布式网络拓扑管理系统研究与实现

随着电力行业计算机通信网络系统和应用日益普及和完善,集中式的网管软件面临应用挑战,其拓扑管理的实时性不能满足网络规模扩大后的应用要求。文中分析分布式网络拓扑管理方案,通过有效的网络拓扑分割方式,设计并实现了由拓扑管理主站和嵌入式Linux装置实现的拓扑管理子站构成的、实时性增强的分布式网络管理系统。结合系统的实现,进行了实现难点分析和总结,并为下一步的改进完善指出了方法。     

预测模型组合开关

不同预测模型在同一时刻都存在不同的预测误差,最优组合预测的预测精度要比其他模型高,但并不是所有时刻误差都最小,有的时刻可能比单项预测误差还大,因此,在预测时就存在较大的风险.再组合预测可以降低预测风险,但方法比较复杂难以推广.针对这些问题,我们设计一种预测模型组合开关,根据数据的变化,不同时刻采用不同预测模型,使预测误差每一期都最小,或不是最大.实证结果表明,预测模型开关能够根据数据特征有效控制模型输出.     

不确定的多商品流多准则供应链网络模型

基于供应链网络中同层成员的相互竞争以及不同层成员间的相互合作关系,构建了不确定条件下由制造商、分销商和零售商组成具有多准则决策的多商品流供应链网络模型.研究了制造商和分销商的多准则决策,零售商在市场需求不确定条件下进行决策,同时考虑了制造商和零售商之间的直销关系.利用变分不等式的形式给出了供应链网络中各层以及整体的均衡条件和相应的经济解释.最后,通过算例说明了模型的合理性.     

基于神经网络数据融合的目标识别方法研究

综合应用图像识别、神经网络和数据融合技术是多传感器ATR系统的一个重要研究方向。设计了一种基于BP网络和多传感器数据融合的图像识别系统。从信息论的观点出发 ,在理论上探讨了BP网络数据融合用于图像目标识别 /分类的机理。以此理论对实验结果的合理解释证明了该理论的正确性。理论分析和实验结果都证明了神经网络数据融合用于图像目标识别 /分类的有效性和可行性     

基于BP神经网络PID参数自整定的研究

PID控制是迄今为止在过程控制中应用最为广泛的控制方法。但在实际应用中，其参数整定仍未得到较好的解决。本文把神经网络技术应用在PID控制中，充分利用神经网络具有非线性函数逼近能力，构造神经网络PID自整定控制器，并通过仿真试验，取得较好的结果。     

点与线的复制：基于网络思维的系统观

＂复制＂是一种普遍存在的现象,其表现为重复、拷贝或再造某种事物、结构或关系。这种现象在生命系统中尤为明显。通过把系统表征为由点（属性）和线（关系）所组成的网络,网络思维可以作为考察各种系统的认知工具。这种思维除了可以进行诸如还原、切出、背景化和层级化等多种表层操作以外,还具有更深层的点和线的复制。以对部分与整体、系统和环境的辨析为引导,本文首先简要回顾了鲁曼系统理论中的系统观发展史,然后以现有系统观的生命系统模式作为框架,提出把复制性作为网络思维的图式（基于点线符号的网络）及其考察的对象（系统）的基本特性,从而为利用网络思维考察各种系统提供新的理论依据和分析视角。     

基于GRU-DRSN的双通道人体活动识别

人体活动识别(human activity recognizition, HAR)在医疗、军工、智能家居等领域有很大的应用空间。传统机器学习方法特征提取难度较大且精度不高。针对上述问题并结合传感器时序特性,提出了一种融合CBAM(convolutional block attention module)注意力机制的GRU-DRSN双通道并行模型,有效避免了传统串行模型因网络深度加深引起梯度爆炸和消失问题。同时并行结构使得两条支路具有相同的优先级,使用深度残差收缩网络(deep residual shrinkage network, DRSN)提取数据的深层空间特征,同时使用门控循环结构(gated recurrent unit, GRU)学习活动样本在时间序列上的特征,同时进行提取样本不同维度的特征,并通过CBAM模块进行特征的权重分配,最后通过Softmax层进行识别,实现了端对端的人体活动识别。使用公开数据集(wireless sensor data mining, WISDM)进行验证,模型平均精度达到了97.6%,与传统机器学习模型和前人所提神经网络模型相比,有更好的识别效果。     

基于Impinj R2000的UHF RFID读写器研究

讨论了一种基于Impinj R2000芯片的UHF RFID读写器的实现方案。介绍了射频识别系统的功能、组成以及基本原理,零中频接收技术,主流的EPC global C1G2标准。给出UHF RFID读写器完整电路实现。