基于流体神经网络的路径选择算法

通过比较通信网络和流体神经网络,得出了通信网络路径选择的最大概率准则,给出了基于流体神经网络的路径选择算法．实验结果表明,该算法的运算速度远远快于现有的路径选择算法．     

一种新的通信网络动态路由算法

针对通信网络中的路由问题,提出了一种虚令牌动态路由算法,并用Ｈｏｐｆｉｅｄｌ神经网络实现该算法。该Ｈｏｐｆｉｅｌｄ神经网络,其神经元之间的连接强度固定不变,通信网络的物理逻路值和呼叫请求被反映到神经元的偏置电流中,地用硬件实现。同时,当通信网络中的业务量发生变化时,算法能够自动调整最短路径与负载均衡之间的关系,计算机仿真结果表明,该算法能接入更多的网络连接。     

基于改进萤火虫优化神经网络的WSNs分簇路由协议

针对无线传感器网络中能耗不均衡问题,提出了一种基于改进萤火虫算法优化反向传播神经网络的非均匀分簇路由协议.通过在萤火虫算法中引进权重因子并增加4个评价指标,来平衡簇内负载和减少簇间的通信距离.结合BP神经网络,优化路径选择和簇首选举方式,达到最佳成簇效果.仿真结果表明,改进萤火虫算法优化BP神经网络的非均匀分簇路由协议能有效延长网络生命周期,节省能量,并均衡能耗.     

基于MEA-WNN的短波通信最佳频率预测

针对短波通信中通信频率选择不恰当导致信号衰落严重、传输不可靠等问题,提出一种基于思维进化的小波神经网络(mind evolutionary algorithm-wavelet neural network,MEA-WNN)和混沌理论相结合的短波通信频率预测方法.采用具有良好的非线性拟合特性的小波神经网络作为预测模型,利用混沌理论重构相空间,确定神经网络各层节点个数,并用思维进化算法优化网络的初始权值与网络中小波函数的伸缩因子和平移因子.实验表明,MEAWNN算法能提高短波通信f0 F2的预测精度.     

LT递归神经网络求解旅行商问题研究

提出了一种基于LT递归神经网络的旅行商问题求解方法.采用离散型神经网络模型,先给出模型有界性和完全收敛性的证明,再给出保证网络的稳定输出解为旅行商问题有效路径的条件.在此基础上结合局部最小值逃选方法获得较优的路径.在与基于LV递归神经网络的算法比较实验证明,该算法在总体上能获得更好的有效路径.     

利用神经网络原理为ATM设计带宽动态分配方案

阐述了利用神经网络预测由连续自动回归（ＡＲ）马尔可夫模型所代表的可变位速率（ＶＢＲ）通信流量,在这一理论方法的基础上,介绍了一个反向传播神经网络模型。它能精确地预测ＶＢＲ通信流量,从而实现ＡＴＭ网络的带宽动态分配。     

健壮性通信网络的抗毁性

以全连通网络为参考标准,以最短路径数为评价指标,建立健壮性通信网络的抗毁性模型,利用MATLAB提出一种新的计算最短路径数的方法,通过实例进行计算,得出网络的抗毁性。研究发现,拓扑结构越对称,健壮性通信网络的抗毁性越好。     

稳定路径的Ad hoc网络QoS路由算法

移动Ad hoc网络中节点移动或能量耗尽会使得建立的QoS路径断裂而需重构路由,造成通信中断,对实时业务造成严重影响,提出了一种基于路径稳定性的QoS路由算法.该算法采用网络探测技术,综合考虑链路和节点稳定性,选择一条最稳定的路径进行通信,并实时监测路径状态变化,有效降低通信中断的概率.仿真表明,该算法有效改善了分组传送成功率、时延抖动等网络性能.     

神经网络并行MIMD处理器的研究及实现

为了能高速地实现多种神经网络,拓展神经网络在工业控制中的实时性、嵌入式应用,设计了一种多指令多数据流(MIMD)的通用型神经网络处理器(APP)。处理器的处理单元组之间、处理单元组与乘累加协处理器之间均可以并行执行任务、处理单元组与其他存储器之间可以并行通信。在FPGA上仿真验证了处理器的功能,并实现了用于轧辊偏心在线控制的BP网络和用于字符识别的Hopfield网络等两种不同的拓扑结构。实验数据表明,该体系结构具有较高的并行性,其性能优于其他常见的通用型实现手段。     

一种改进的能量多路径路由协议

以优化无线传感器网络的传输路径、延长网络寿命为目标,在已有的能量多路径路由协议的基础上,提出了一种改进的能量多路径路由协议。为了达到更佳的传输效果,该协议综合考虑了通信路径上的消耗能量、剩余能量和跳数。理论分析表明,该协议既能使数据传输均衡消耗整个网络能量,延长网络的生存期;又能减少网络的传输时延,提高传输效率,使有限的资源得到充分利用。     

通信网络中缩减的Hopfield神经网络路由算法

为保证神经网络收敛于全局最优点,采用模拟退火算法研究了Hopfield神经网络的局部稳定问题,针对Hopfield神经网络路由算法需要神经元数目众多、计算量大的缺点,提出规模缩小化的Hopfield神经网络路由算法.采用减少神经元数量的方法,减小神经网络规模,提高路由运算能力和神经网络的适应性.比较了原路由算法和改进算法的迭代次数、运算速度和稳定状态能量函数,分析在通信网络和神经网络各参数变化情况下,迭代算法的收敛特性和稳定性的变化规律,总结神经网络路由计算3种约束系数之间的关系.结果表明,缩减的Hopfield神经网络路由计算较原算法具有更高的有效性、可靠性和应用适应性.     

基于GA-BP神经网络的输油管道内腐蚀速率预测

针对BP（Back Propagation）算法的神经网络易陷入局部极小的缺点,尝试引入遗传算法（Genetic Algorithm）处理了BP神经网络的权值与阈值,并分别建立了BP和GA-BP两种不同算法的神经网络模型对输油管道腐蚀速率进行预测。对结果进行对比分析发现,GA-BP算法的神经网络预测精度要高于BP网络;GA-BP算法具有高的预测精度,其预测值与实验值相关系数为0.9863,表明该算法模型是合理可靠的。     

状变动态选路的神经网络算法

吸收一些电路交换网动态选路算法的优点,提出了基于神经网络Ｈｏｐｆｉｅｌｄ模型的状变突时选路算法。该模型全面集成了网管中心监控的话务数据,网路状态和电路保留策略,在对中继线群阻塞概率矩期预测的基础上优化全网动态路由。模型的设计尽量接实际,又充分考虑硬件的可实现性。     

神经网络在流量计算中的应用

给出了基于神经网络的质量流量计算的方法，较好地解决了计算中参数方程的不确定性。并通过神经网络的建立、训练和仿真，比较了BP神经网络和Elman神经网络在差压式质量流量建模中的优缺点。最终得出，使用BP神经网络比较合适，能得出较好的实验结果。     

基于改进胶囊神经网络的示功图诊断模型

针对传统胶囊神经网络特征提取结构单一,模型参数量大以及动态路由算法中相似度衡量粗糙等问题,该文提出一种改进的胶囊神经网络.应用Fire Module模块,将网络中特征图通道数先进行压缩,再通过多尺度的卷积核提取特征信息,进而提升网络的特征提取能力和减少网络模型的参数.将Dropout思想引入胶囊神经网络来增加模型的多样...     

基于蚁群算法的WSN路由协议研究

针对层次路由LEACH协议存在簇头分布不均,并且每次簇头轮换均在整个网络内进行,会造成耗能过多以及蚁群算法应用于LEACH协议建立簇间多跳路由仍存在能耗不均衡的问题,采用将网络节点进行区域划分,并将节点剩余能量作为参考因素,在区域内进行簇头节点的轮换选取的方法改进,并通过将节点能量引入到转移概率和信息素更新公式中,对蚁群路由算法进行改进,利用其建立从簇头节点到汇聚节点的多跳路由的最优路径.实验验证表明:与LEACH协议相比,改进协议整体上减少并均衡了能量的消耗,延长了无线传感器网络的生命周期.     

基于径向基神经网络的波达方向估计算法

针对传统的波达方向（DOA）估计算法在实际应用中普遍存在计算量较大,无法实时地跟踪期望信号且无法处理信号源数大于天线阵元数的问题,提出了一种在智能天线中基于径向基神经网络的波达方向估计算法.该算法利用神经网络进行多信号源跟踪（MUST）来完成信号源侦测和DOA估计.通过建立神经网络DOA估计算法模型,并对所建立的神经网络进行训练.通过仿真将该算法与传统的DOA估计算法进行比对的结果表明,基于径向基神经网络的波达方向估计算法能够快速准确的检测到信号源,响应时间明显快于传统的算法.     

基于神经网络的最短路算法及其应用

提出一种基于递归神经网络的最短路算法,降低了神经元之间的连接复杂度,能稳定收敛到准最优解。并将其应用于基于流量的动态分布式路由。仿真表明,该处上敛稳定。