回声状态网络及其在图像边缘检测中的应用

循环神经网络（RNN,也称反馈神经网络）是一种重要的人工神经网络,与前馈神经网络相比具有更好的学习能力和更快的收敛速度,但其隐层结构的设计一直是个难点问题。回声状态网络（ESN）有效地解决了上述问题,相比于以前的循环神经网络,其具有结构独特、稳定性好、学习过程简单快捷等特点。介绍了回声状态网络及其学习方法,将其用于图像的边缘检测中,取得了良好的效果。     

BP神经网络的学习过程与算法分析

目前在电子、信息与通信、计算机等学科都可以找到人工神经网络的影子,人工神经网络可用于动态系统建模、模式识别、智能控制和故障监测等实际工程问题。神经网络是一门综合性很强的交叉学科,神经网络具有分布式存储、并行处理、高容错能力以及良好的自学习、自适应、联想等特点。目前已经提出了多种神经网络模型,其中应用最广泛的是前馈型神经网络。而对于前馈型神经网络,对其训练使用最多的方法是BP算法。     

前馈神经网络WAFS学习算法

1.引言前馈神经网络是目前应用最广的一种神经网络,其学习算法是由Rumelhart等人于1986年提出的反向传播(Back Propagation,BP)算法,故这种神经网络也常被称为BP神经网络。人们对前馈神经网络学习算法的研究,以前主要着重对各层之间联接权值优化的研究,如BP算法以     

Fuzzy层次神经网络

本文提出和归纳了Ｆｕｚｚｙ前馈神经网络模型，并提出了Ｆｕｚｚｙ前馈神经网络的反向传播学习算法，模拟结果表明利用ＦｕｚｚｙＢＰ学习算法训练的Ｆｕｚｚｙ前馈神经网络具有较好的非逻辑归纳能力和Ｆｕｚｚｙ规则表达能力。     

溶解氧浓度的前馈神经网络建模控制方法

针对污水处理过程溶解氧(DO)浓度控制问题,提出了一种基于前馈神经网络的建模控制方法(FNNMC).本文构造了神经网络建模控制系统,通过对建模神经网络和控制神经网络隐含层学习率的分析,证明了学习算法的收敛性以及整个系统的稳定性.最后,本文基于国际基准的Benchmark Simulation Model No.1 (BSMl)进行了仿真实验,验证了合理选取学习率的重要性,并通过与PID和模型预测控制(MPC)等已有控制方法的比较,验证了神经网络建模控制方法针对污水处理过程溶解氧浓度控制具有良好的建模能力,更高的控制精度以及更好的动态响应能力.     

一种基于DTFEL的非线性自适应逆控制

提出一种基于离散时间反馈误差学习(DTFEL)的两自由度非线性自适应逆控制(AIC)方法,其控制器由动态RBF神经网络(DRBFNN)前馈控制器和参数固定的PD反馈控制器构成.PD控制器用来保证闭环系统稳定,动态RBF神经网络以PD控制器输出和反馈误差的线性组合为学习信号,通过一种改进的NLMS(VS MNLMS)算法在线学习和逼近对象的动态逆,提高反馈控制器的性能.稳定性分析证明了该AIC系统稳定.数字仿真结果表明,该AIC具有良好的自适应能力和鲁棒性,是一种有效的非线性控制方法.     

基于逐层优化递推最小二乘算法的反馈神经网络

计算智能(Cl)是当前智能科学研究的新热点,其积极意义在于推出新的、功能更强大的、具有更普遍意义的计算智能模型或方法。神经网络的学习能力及并行计算结构,成为其中一个主要方面。前馈神经网络中的神经元以不同方式嵌入反馈连接,则可构成不同的反馈神经网络结构,这样,过去事件     

一种基于离散马尔科夫模型的神经网络可靠性设计方法

本文给出了一和循环前馈神经网络来表示具有ｎ个状态的离莠马尔科夫模型,及其二次能量函数,并根据梯度下降规则,给出了相应的权值修改规则。利用该神经网络方法可以有效地对容错硬件进行可靠性设计。     

基于SVM-MLP的乳腺癌预测

乳腺癌一直是影响女性健康最重要的问题之一,已经成为全球女性发病率最高的恶性肿瘤。近年来,利用机器学习和深度学习方法来诊断癌症已经成为发展较快的一个分支。通过使用逻辑回归模型(LR)、高斯核函数支持向量机(SVM)、前馈神经网络(MLP)对同一数据集进行预测,得出其中SVM迭代时间最短,前馈神经网络预测准确率最高。为了减少前馈神经网络的迭代时间,提出了基于SVM优化的前馈神经网络分类乳腺癌模型,实验结果表明:基于SVM优化后的前馈神经网络模型与Logistic模型、传统SVM模型相比具有更高的分类准确率,且迭代时间相对减少。     

基于CNN-BIGRU的中文文本情感分类模型

在当今商业领域,对网络评论的情感分类一直是一个比较热门的研究方向,而为了克服传统机器学习方法所构建分类器会产生较大计算开销,精度表现较差的缺点,提出一种基于深度学习模型中卷积神经网络(CNN)与循环神经网络(RNN)模型的情感分类方法。在以往的研究中,卷积神经网络往往被用来提取文本的局部特征信息,但却容易忽视文本的长距离特征,而RNN则往往被用来提取句子的长距离依赖信息,但容易陷入梯度爆炸问题。因此,结合卷积神经网络对于局部特征信息的良好提取能力与循环神经网络对于长距离依赖信息的记忆能力,构建了一个CNN-BIGRU混合模型,用以提取文本的局部特征以及文本的长距离特征。其中循环神经网络模型使用了双向GRU模型,以避免RNN模型的梯度爆炸与梯度消失问题。在谭松波的酒店评论数据集上的实验结果表明,利用该模型,实验分类的准确率比单独使用卷积神经网络模型最高提升了26.3%,比单独使用循环神经网络模型最高提升了7.9%,从而提高了对中文文本情感分类的精度,并减少了计算开销。     

一种基于神经网络的模糊方法研究

模糊系统设计中,模糊规则的建立是系统设计的瓶颈问题。针对这一问题,该文提出了一种用于监督神经网络自动生成模糊规则并实现模糊推理的方法。网络训练分为两个阶段,首先是结构学习,确定系统的规则总数和前提的有关参数;其次是参数学习,即调整权值,使系统输出接近理想输出。仿真实例证明使用该方法建立模糊系统具有较好的效果。     

网络与通信的探究

随着人类社会的进步与发展,在市场经济条件下,信息的传递对于人们的生产生活是非常重要的。当今社会科学计算的迅速发展,计算机技术也广泛运用到各个领域,网络与通信之间的联系也更为密切。本文介绍了通信的基本含义以及网络的划分,分析了网络与通信结合的发展前景,以及网络通信安全性的重要性。     

无尺度网络上的蠕虫传播行为研究

许多网络如因特网、人类间的社会关系和物种之间的食物链网络等，都是无尺度网络。研究无尺度网络，对于防范黑客攻击、防治蠕虫的传播等都具有重要的意义．本文对随机网络和无尺度网络做了比较．重点介绍无尺度网络上蠕虫传播行为的特性——阈值和强韧性，最后指出了蠕虫防治的方法。     

Route discovery for multistage fabrics in ATM switching nodes

This paper presents an intra-node Route Discovery Protocol (RDP) applicable to multistage switch fabrics in nodes of ATM Local Area Networks (LANs), as well as in transit nodes of future high-speed Metropolitan or Wide Area Networks (MANs or WANs). The proposed RDP automatically builds and periodically updates routing tables in each network adapter. These routing tables contain the mapping between the logical adapter addresses and the currently available physical routes through the multistage switch fabric to all other adapters attached to the node. In addition, functional entities located at specific adapters are detected and associated with physical routes in the routing tables. Detecting all routes during system startup is the basis for fast connection setup with low latency. By periodically monitoring all possible table entries, our protocol provides continuous supervision of the node's internal link status and can support possible higher-layer extensions to perform load balancing over alternative routes. Small control buffers in network adapters, which are typical for practical implementations, may lead to overflow conditions and, thus, to incompletely updated routing tables. An effective stochastic solution to this problem is presented and it will be shown through probabilistic analysis that reasonably small buffer sizes suffice for executing RDP with sufficient robustness.     

Mean-value analysis and convolution method for queue-dependent servers in closed queueing networks

In this paper, we formulate a recursive relation for the marginal probabilities of a closed network with K customers in terms of the same network with K ? 1 customers. Mean-value analysis (MVA) is an application of this relation, together with Little's formula. It is shown that the convolution method, too, can be based on the same recursive result. This leads to a new convolution algorithm called normalized convolution algorithm (NCA), which like MVA works entirely with probabilities and throughputs rather than with quantities such as normalization contacts. NCA avoids a difficult problem, the occurrence of floating-point over-flows in the original convolution algorithm.We shall also solve a numerical stability problem found in MVA. Finally, we show how MVA and the convolution algorithm can be combined in the same problem to yield a hybrid method retaining the best properties of both methods.     

构筑动态神经网络结构的一种途径

如何决定人工神经网络的适当规模，以往都是通过试探法来实现，不但费时，而且无规律可循。本文基于神经网络的基本学习算法，构筑动态网络结构，使之更符合抽取的新的输入、输出特性。     

无线传感器网络的路由协议设计研究*

集成了传感、计算和通信技术的无线传感器网络是普适计算模式的一种典型应用。简要地介绍了无线传感器节点及其网络的体系结构,分析了无线传感器网络不同于传统网络的特点,重点阐述了在无线传感器网络的路由协议设计中需要考虑的重点与难点,并结合应用需求提出了几点设想。     

Dissemination of compressed historical information in sensor networks

Sensor nodes are small devices that “measure” their environment and communicate feeds of low-level data values to a base station for further processing and archiving. Dissemination of these multi-valued feeds is challenging because of the limited resources (processing, bandwidth, energy) available in the nodes of the network. In this paper, we first describe the SBR algorithm for compressing multi-valued feeds containing historical data from each sensor. The key to our technique is the base signal, a series of values extracted from the real measurements that is used to provide piece-wise approximation of the measurements. While our basic technique exploits correlations among measurements taken on a single node, we further show how it can be adapted to exploit correlations among multiple nodes in a localized setting. Sensor nodes may form clusters and, within a cluster, a group leader identifies and coalesces similar measurements taken by different nodes. This localized mode of operation further improves the accuracy of the approximation, typically by a factor from 5 to 15. We provide detailed experiments of our algorithms and make direct comparisons against standard approximation techniques like Wavelets, Histograms and the Discrete Cosine Transform, on a variety of error metrics and for real data sets from different domains.     

无线传感器网络路由研究综述

无线传感器网络因其巨大的应用前景而日益受到学术界和工业界的广泛关注,而其路由协议更是国内外学者研究的热点。对现存的无线传感器网络路由协议进行了分类、并研究和对比分析了各类路由协议的核心路由机制,最后总结出无线传感器网络路由协议的研究热点和发展趋势。     

无线Mesh网络及其路由安全研究

无线mesh网依靠无线链路多跳传输数据,减轻了对有线网络的依赖,此外,其频谱效率高、覆盖范围大、可扩展性强、可靠性强等优点,受到了人们的关注。本文简述了无线mesh网络的起源和发展,对其结构进行了研究,归纳了无线mesh网络主要特征。最后,对无线mesh网络的路由安全进行了分析。