复杂网络牵制控制概述

本文回顾了十多年来复杂网络牵制控制的研究进展,对复杂网络现有的牵制控制算法进行了归纳分类,然后基于网络拓扑及节点动力学特性讨论了网络牵制控制的一些必要或充分条件.针对牵制控制下的复杂网络,重点论述了牵制节点的选取策略,综合分析了牵制节点个数、耦合强度、牵制控制增益及节点动力学等因素对复杂网络牵制控制的影响,讨论了具有合作竞争关系符号网络牵制控制的进展,并简要介绍了复杂网络牵制控制的一些应用前景.最后,就复杂网络牵制控制将来的研究方向提了一些建议及展望.     

复杂网络动力学与智能控制

智能如何产生, 其动力学行为如何演化、如何控制? 针对这些问题, 本文从复杂网络和动力学系统的角度简要综述智能控制的相关研究: 讨论复杂网络、动力学系统、神经科学和智能控制交叉研究的内涵和挑战问题; 概述牵制控制、混杂控制、自适应控制及复杂网络可控性等研究进展。并探讨复杂网络动力学与智能控制在脑科学与机器行为学中的相关应用及研究方向。     

一类具有竞争特性的时滞复杂网络同步控制

基于随机分析和动力学稳定性理论,研究一类具有时滞和随机扰动的竞争性复杂网络的同步问题.利用反馈同步控制器和牵制同步控制器,得到这类复杂网络的同步准则,并通过仿真示例说明该方法的有效性.     

复杂动力学网络的有限时间外部同步

研究了两个耦合复杂动力学网络的有限时间外部同步问题。设计了连续的有限时间控制器,使两个网络能在有限时间内实现外部同步。利用微分方程的有限时间稳定性理论,得到了复杂动力学网络实现有限时间外部同步的充分条件。最后,数值模拟验证了理论结果的正确性,并通过数值模拟分析了控制参数对网络同步时间的影响。     

论思维的复杂系统模型暨新一代专家系统的设想

在复杂系统研究思想指导下,构建了基于神经元网络结构的复杂系统思维模型,提出以网络节点表示概念,以网络连接表示命题,以网络回路实现知识表达,以网络节点间的时空动力学激发实现演绎推理等思维活动的理论新框架,并以此为基础对新一代专家系统进行了设计。     

无标度网络:基础理论和应用研究

基于在《科学》专辑“复杂系统和网络”上Barabási对无标度网络的总结文章,讨论了BA模型、层次网络、网络动力学、度相关性及网络马氏链等问题;在马氏链框架下,对一类增长网络提供了一种简单的迭代方法代替模拟去计算网络度分布,并据此推导出某些一般准则,以直接判断一套网络生成机制能否保证稳态度分布存在,及稳态度分布是否无标度。这些结果说明:对于复杂网络今后发展,加强基础理论和应用研究的极端重要性。     

基于脑电事件相关电位的功能性网络分析

利用视觉空间注意事件相关电位(ERP)构建了功能性网络;计算并分析了该网络的聚类系数;提出了一个适用的复杂网络统计参数即成对区域连接边数百分比;研究了ERP网络的特性及注意、刺激视野区域对该网络的影响。该聚类系数显著大于相应的随机网络的聚类系数,验证了网络的小世界特性。成对区域连接边数百分比显示刺激对侧大脑前后部的连接显著比刺激同侧大脑前后部的连接强。发现注意和非注意条件下的两个复杂网络参数有明显的不同,说明这两个参数能反映不同实验条件的大脑动力学特性。新的复杂网络统计参数的提出是研究各种认知任务下大脑动力学特性的一种有效的方法。     

信息融合系统改进型BA模型及网络动力学特性

从信息融合系统的性能指标与网络动力学参数的结合为切入点,分析了信息融合系统的无尺度特性,采用复杂网络中的无尺度BA模型作为信息融合系统的基本拓扑模型.结合信息融合系统的特殊要求对BA模型生成算法中的增长性和择优连接性均做了相应的改进,给出一种信息融合系统改进型BA模型的生成算法.仿真验证表明,改进型BA模型更符合信息融合的网络动力学特征,其平均距离比BA模型改善10%,聚簇系数也有一定程度的改善,并带来整个系统抗毁性能的提升.     

上海轨道交通网络的复杂网络特性及鲁棒性研究

以上海轨道交通网络为研究对象,基于复杂网络理论,采用Space L方法构建上海轨道交通网络拓扑结构模型,通过计算网络的多个特征指标值,实证分析了其复杂网络特性;以网络全局效率相对值作为轨道交通网络鲁棒性的评价指标,研究了上海轨道交通网络的鲁棒性.研究表明:上海轨道交通网络在L空间中是小世界网络和无标度网络;上海轨道交通网络对站点遭遇随机故障的鲁棒性强于站点遭受蓄意攻击时的鲁棒性.     

两个时变复杂网络的自适应同步

研究了两个时变复杂网络的自适应同步。根据Lyapunov稳定性理论,分析了两个时变复杂网络的同步条件,并且证明了它的有效性。为了验证理论结果,以不同参数下的Lorenz系统作为两个时变网络的节点动力学系统进行仿真分析,从仿真结果可以得到：如果不施加控制,这两个时变复杂网络不能实现同步;如果设计合适的自适应控制器,这两个时变复杂网络将达到同步。不管是对相同结构的复杂网络,还是对不同结构的复杂网络,仿真结果和理论分析均一致。     

时效网络结构及动力学研究进展综述

在时效网络中连边激活的时效特征能够显著影响相同时间尺度下网络系统的动力学行为，是当前网络研究的热点课题之一。该文从时效网络的建模方法、时效网络的结构特性及相关统计力学、时效网络中的传播动力学、时效网络与人类行为结合的统计特性及目前常用的处理时效网络的理论方法等多方面对时效网络的研究进展进行综述，并对目前的国内外研究现状进行分析，提出了时效网络面临的几个关键科学问题，展望了该领域未来的研究方向。     

Functional modular organization unfolded by chimera-like dynamics in a large-scale brain network model

The brain is organized as a complex network architecture, which can be mapped into structural (SC) and functional connectivity (FC) by advanced neuroimaging techniques. Achievements in brain network research have revealed that modularity is a universal trait in brain networks and may be vital for cognitive segregation and integration. Large-scale brain network modeling is a promising computational approach to combine neuroimaging data with generative rules for brain dynamics. Recently, it has been proposed that chimera states, a type of dynamics referring to the coexistence of coherent and incoherent participants, have traits in common with cognitive functions like segregated and integrated brain processing. Previous studies have reported the existence of chimera-like dynamics in large-scale brain network models, whereas they did not account for the relationship between chimera-like dynamics and corresponding functional modular organizations of the brain network. By specifying qualitatively different network dynamics in an anatomically-constrained brain network model, we compare the different modular organizations of FC unfolded by network dynamics. Our simulations reveal that chimera-like dynamics support a meaningful pattern of functional modular organization, which promotes a diversity of node roles with a distributed pattern of functional cartography. The distinct node roles in modular FC are also found to occur with a spatial preference in specific brain regions, and, to some extent, reflect the underlying structure constraints. Our results support the view that chimera-like dynamics is a functionally meaningful scenario that may play a fundamental role in the segregation and integration of brain functioning.

     

神经网络控制在汽车主动悬架中的应用

建立了汽车悬架的两自由度1/4车数学模型,提出了一种基于RBF神经网络在线辨识的单神经元PID自适应控制方法,介绍了RBF网络在线辨识、单神经元PID控制器和控制算法,并将这种控制策略应用于汽车主动悬架1/4车模型.仿真是在Windows2000环境下用仿真软件Mat-lab6.1 Simulink进行的.仿真结果表明,这种控制策略能有效降低车身加速度的均方根值和悬架动挠度的均方根值,改善了乘坐的舒适性.     

蛋白质折叠的计算机模拟研究进展

蛋白质折叠是结构生物学领域有待解决的重要科学问题,计算机模拟方法是研究蛋白质折叠的主要手段之一.对蛋白质折叠的计算机模拟研究进展进行了简要介绍,主要内容包括:全原子分子动力学模拟、Gō模型以及弹性网络模型的主要思路及其在蛋白质折叠研究中的应用.     

非线性神经网络自适应控制及其在导弹中的应用

研究了用神经网络控制未知动态特性的非线性系统。基于神经网络学习系统的反向动态特性，调整控制网络的参数，使控制系统具有自适应的特性。网络学习采用误差反向传播算法，仅需要对象的输入输出值。对含有非线性环节的系统，该方法取得较好的效果。     

时序网络中关键节点的识别方法研究进展

相对静态网络,时序网络可以更准确地刻画现实网络的动态过程。基于时序网络模型,如何有效地识别重要节点或者评价时序网络中一个节点对其他节点的影响力,已成为时序网络研究领域中的一个亟待解决的问题。该文分别从时序网络拓扑结构和动力学的角度,对现有的时序网络中的关键节点识别方法进行了系统的回顾,详细比较各种方法的计算思路、应用场景和优缺点。最后总结了这一研究方向几个待解决的问题,并指出未来可能的发展方向。     

GA优化的RBF神经网络外骨骼灵敏度放大控制

为改善外骨骼机器人灵敏度放大控制(SAC)性能,结合遗传算法(GA)与径向基函数(RBF)神经网络建立在线计算外骨骼机器人的精确动力学模型.用GA优化RBF神经网络的中心矢量与基宽度,并对RBF网络的权值实时更新,在线学习外骨骼机器人动力学模型中的参数矩阵,进一步推导出SAC控制律.仿真结果表明:GA优化后的RBF网络,可以在线学习外骨骼的动力学模型,基于该模型的SAC能够实现精确的人体轨迹跟踪,相比于优化前,人体轨迹跟踪误差以及人机交互信息会快速减小并收敛到0的微小邻域内,可实现人机协调运动.     

基于神经网络的四足机器人 SLIP 模型运动控制

根据四足哺乳动物形态设计的四足机器人,能够适应错综复杂的地形,且具有较强的运动属性。 而对于四足机器人而言,运动的控制十分重要,所以对四足机器人运动过程中的跳跃控制问题进行了研究。 首先,采用弹簧负载倒立摆模型（SLIP）对四足机器人结构进行简化处理,建立了简化模型的动力学方程, 并分析了模型的运动过程以及着陆相与腾空相的转换条件。其次,在仿真平台中建立了 SLIP 动力学模型, 通过动力学仿真得到了一份仿真样本数据,并利用这份样本数据训练了一个神经网络,其中样本考虑了四足 机器人在与地面接触过程中由于碰撞和阻尼所消耗的能量。最后,在仿真平台中进行验证,给定模型的初始 高度和水平速度,通过神经网络计算出合适的着陆角,得到期望的水平末速度和弹跳高度。实验结果表明, 基于神经网络的方法可以较精确地实现对 SLIP 模型运动的控制。     

维基百科研究综述

对维基百科的相关研究进行了综述。介绍了维基百科的历史发展与特点,宏观统计性质以及演化规律等方面,特别强调了复杂网络的思想和方法在分析维基百科中的应用。讨论了维基百科在社会、经济、文化、教育方面的意义和价值。最后提出了相关研究可能的发展方向,特别突出了复杂网络与人类动力学和维基百科研究可能的深入结合。