随机变时滞递归神经网络的几乎指数稳定性

研究了一类随机变时滞递归神经网络的几乎指数稳定性问题。利用Lyapunov函数方法和Ito公式,结合矩阵分析技巧,给出了系统几乎指数稳定的判别准则。数值例子说明了该结果的有效性。     

一类非线性组合大系统的分散反馈稳定化

研究一非线性组合大系统分散状态反馈镇定问题,在文献［１］基础上给出一类组合大系统稳定的充分条件,进而找出设计此非线性组合大系统反馈镇定的方法。     

局部地质水文特征对钻孔压灌CFG桩施工质量的影响

以温渝河冲洪积扇前缘地形的北京某工程为例,对CFG桩的完成情况进行检测,针对低应变动测检测结果出现的问题,通过公式验算首先排除了设计误差,在对场地内局部地区的区域性水文地质特征进行排查分析中发现：透水性好的土层（处于饱和状态下,极易产生水头较高的局部特征,在CFG桩的压灌过程中造成了钻头阀门打不开或打开的压力不足,形成了断桩或缩径的现象,并在随后进行的低应变动测检测中得到验证。由此确定透水性好的土层应在施工过程中控制水头压力对CFG桩施工质量产生的影响,提出了保护性预防措施和处理险情的建议。     

零模型及其在复杂网络研究中的应用

从假设检验这一源头出发,描述零模型方法产生的理论和实践背景,在生态学零模型启发中总结零模型的本质作用,并重点叙述在复杂网络拓扑结构研究中零模型的构建及其应用研究所取得的成果,讨论了复杂网络零模型研究的发展方向。     

基于优化的RBF神经网络模式识别新方法

提出了一种基于Hough变换优化的RBF神经网络模式识别新方法,该方法把Hough变换应用于RBF神经网络的参数确定中,实现了RBF神经网络的隐层节点数和数据中心值的自适应获取,提高了RBF神经网络的泛化能力。仿真结果表明:此改进的RBF网络用于模式识别中具有识别能力强,计算量小,识别速度快的优点,具有广阔的应用推广前景。     

基于统计学习理论的小波神经网络优化

传统的离散仿射小波神经网络训练都是建立在大样本基础上的,当样本数量较少时,不能保证网络的泛化能力。在研究统计学理论的基础上,提出了以结构风险最小化为目标的训练方法。首先根据样本数据和小波基函数的时频局部化特性构造隐含层函数集,并按照小波基函数的能量大小来建立函数嵌套结构,然后采用自适应正交最小二乘法来训练网络权值,保证训练的小波神经网络结构风险最小化。仿真表明该方法不仅具有较高的收敛速度,而且最大限度地保证了网络的泛化能力。     

复杂网络理论在互联网病毒传播研究中的应用

为了更好地应对互联网上计算机病毒肆虐这一严峻形势，制定出相应的策略，有必要对互联网上计算机病毒的传播作深入的研究。本文综述了近几年复杂网络理论在互联网病毒传播研究中的应用。首先介绍了互联网的结构特征，然后从临界值的角度介绍了计算机病毒在不同拓扑结构网络中的传播性质，讨论了相应的免疫机制，并对电子邮件病毒的传播行为进行了系统分析。研究表明，互联网络拓扑结构对计算机病毒的传播行为有着重要的影响。     

感知实时车流信息的VANET路由仿真研究

车用自组织网络利用车辆间通讯来提高道路交通安全和效率,路由协议的性能至关重要。提出一种感知实时车流信息的路由协议,能够不依赖于基础设施,通过挖掘和汇聚车辆位置数据,实现城市道路上的车流密度估算,并给出车流自适应路径选择方法,动态产生及维护由多条道路连成的数据包传递路径。对车辆高密度和低密度场合下的仿真表明,在网络开销没有明显增长的情况下,协议可以获得较好的性能,数据包递送率达到83%以上,平均发送延迟限制在2秒以内。     

含权地理网格网络的构建及其逾渗行为

主要构建一种新型的地理网格网络,并探讨网络的拓扑性质及其逾渗动力学行为,为现实地理网络的鲁棒性研究及其构建提供参考.这个网络的特点是,在构建时引入度权重连接概率和地理距离权重连接概率.研究发现这种新型网络能够随着这两种概率及相关参数的改变,生成嵌入式无标度网络并渐进过渡到嵌入式指数网络.     

储层含油性识别中ANN和GA融合的模糊规则提取

提出一种基于ANN和GA融合的自学习自适应的模糊规则提取算法,用来对油层进行识别.其方法是:首先运用人工神经网络(ANN)对训练样本进行有导师学习,网络的输入是测井属性,输出表达为网络权值和输入的函数Ψk=f(xi(WG1)ij,(WG2)jk)(其中:Ψk代表含油性类别Ck的判别函数;C1为干层;C2为水层;C3为差油层;C4为油层).然后,以Ψk作为遗传算法(GA)中的适应度函数提取对应于类别Ck的模糊规则.最后,通过某油田oilsk81和oilsk83油井的实证研究表明,该方法能够有效地识别储层的含油性.