无标度网络的3种病毒控制策略研究

通过定义网络的安全系数S,研究了控制计算机网络病毒传播的度优先免疫、节点介数优先免疫和边介数优先免疫这3种不同的节点优先免疫病毒控制策略.计算结果表明,节点介数优先免疫的病毒控制策略只需对最少的节点进行保护,就能够提供最大的网络安全系数,具有最好的预防效果.     

Ad Hoc网络中基于模拟退火-蚁群算法的QoS路由发现方法

针对Ad Hoc网络的动态网络环境和链路、节点性能限制等不利因素，提出了一种新的QoS路由发现方法——SAANT．该方法利用蚁群算法增加了发现可用QoS路由的概率，利用基于概率的路由转发策略来减少洪泛造成的网络开销，从而强化所提算法的全局搜索能力和自适应性，减小了洪泛对Ad Hoc网络性能的影响．所提方法还利用模拟退火算法调整路由发现算法的搜索方向，以弥补蚂蚁算法收敛速度上的弱点，减少了搜索过程中的停滞现象．在包投递成功率、平均包延迟和吞吐量等方面，通过仿真实验对SAANT、仅基于蚁群算法的QoS路由算法和传统的按需路由算法的方法进行了性能比较，结果表明，在Ad Hoc网络环境下，SAANT的收敛速度、移动性能和网络负载性能均表现出更好的适应性．     

基于特征评估和神经网络的机械故障诊断模型

为了克服在无先验知识的情况下，人为选择时域无量纲指标作为故障敏感特征的盲目性，提出了一种基于特征评估和径向基函数（RBF）神经网络的机械故障诊断模型．该模型分别采用小波包和经验模式分解方法对原始振动信号进行分解，分别提取原始信号和各分解信号的时域无量纲指标组成联合特征，然后对联合特征进行评估，计算评估因子，并根据评估因子的大小选取敏感特征作为RBF神经网络的输入，实现对机器不同状态的自动识别．实验结果和工程应用表明，这种集成了小波包、经验模式分解、特征评估方法和RBF神经网络的机械故障诊断模型能够精细地获取故障信息，从大量的故障特征中筛选出敏感特征，因而减小了网络规模，提高了分类准确率，具有很强的鲁棒性．     

基于滑动概率神经网络的早期故障诊断

针对机电设备早期故障难以识别的问题，提出了一种动态的概率密度估计方法——滑动概率神经网络，用以跟踪分析测量信号的概率密度变化过程，及时发现早期故障．该网络以固定不变的抽样集作为第一层，动态滑动的测量信号作为样本层，通过求和层得到抽样集的条件概率密度估计，将样本层内测量信号的概率密度动态地投影到统一的抽样集上．将网络分解成以测量值为中心的子网络，来实现网络的递归运算，并且利用高斯函数的快速衰减特性或使用分段线性函数近似高斯函数，从而提高了网络的计算实时性．通过压缩机喘振过程数据的应用实例，表明该方法能够有效识剐故障的早期征兆．     

无线传感器网络研究

介绍了无线传感器网络的体系结构、特点,分析了无线传感器网络研究的一些关键性问题,探讨了无线传感器网络的应用范围。     

ATM网络ABR流量的比例与滞后-超前控制

为了克服异步传输模式(ATM)网络不确定时延和饱和非线性的影响,基于比例控制和滞后超前控制方法研究可用比特率(ABR)服务流量控制器设计问题,给出了控制幅值约束和缓冲区容量约束下系统满足ABR流量控制要求的条件,提出了满足这些条件的比例控制器和滞后超前控制器的设计方法。该方法能使ABR流量控制系统在网络传输时延不确定时,有效控制网络中瓶颈节点缓冲区的队列长度,同时能够及时响应ABR可用带宽的变化,从而避免拥塞和丢包的发生,使链路带宽得以充分利用。     

基于虚拟延迟矢量的核心无状态分组调度框架DVRS

现有提供确定性性能保证的核心无状态分组调度策略中,可扩展性的获得通常以中间节点的速率损失为代价,从而导致数据传输突发性的增强,降低了网络资源的利用率。为了减少速率损失,提出一个核心无状态调度框架DVRS(de lay vector reference system),通过运用虚拟延迟矢量技术,在保证端到端延迟上限与V irtua lC lock算法相同的同时,将核心无状态算法的基本速率保证能力从现在的首尾点精确保证提高到逐点精确保证;并利用局部平均法满足用户对处理开销与带宽保证精度的不同需求;另外,由于核心节点操作的相似性,DVRS类算法具有较好的配置渐进性。     

复杂动态网络模型研究进展

对复杂动态网络模型的研究现状做了综述,总结了复杂网络的演化机制与属性特征,提出了以复杂动态网络为虚拟计算平台和理论基础,开展大型Ad Hoc网络、传感器网络的网络性能、网络规划、信号增强、拓扑优化的一系列研究课题.     

Techniques of Image Processing Based on Artificial Neural Networks

This paper presented an online quality inspection system based on artificial neural networks. Chromatism classification and edge detection are two difficult problems in glass steel surface quality inspection. Two artificial neural networks were made and the two problems were solved. The one solved chromatism classification. Hue, saturation and their probability of three colors, whose appearing probabilities were maximum in color histogram, were selected as input parameters, and the number of output node could be adjusted with the change of requirement. The other solved edge detection. In this neutral network, edge detection of gray scale image was able to be tested with trained neural networks for a binary image. It prevent the difficulty that the number of needed training samples was too large if gray scale images were directly regarded as training samples. This system is able to be applied to not only glass steel fault inspection but also other product online quality inspection and classification.     

Adaptive control of system with hysteresis using neural networks

1.INTRODUCTIONThe piezoelectric actuators are well suited for micro-position devices in precision engineering because oftheir fast response,nanometer resolution and biggerdriving force[1].However,hysteresis inherent topiezoelectric actuator severely li mits system’s perfor-mance such as giving rise to undesirable accuracy oroscillations,even leading to instability.Hysteresischaracteristics are generally nondifferentiable andusually unknown.It is a difficult task to mitigate itsharmful ef…