基于可拓神经网络的火灾探测算法

为解决传统单一传感器式的火灾探测器容易造成火灾报警的漏报和误报的问题,采用多传感器信息融合技术,将温度、烟雾浓度和CO浓度等多个参数相结合,进行综合分析,对火灾进行早期预测。采用可拓神经网络作为数据融合算法,以温度、烟雾浓度、CO气体浓度三个物理参量作为输入,以三种火灾预警等级作为输出。通过仿真分析结果表明：火灾正确识别率很高,达到93.9%以上。同时通过与传统BP神经网络的对比,表明可拓神经网络在数据融合的速度和可靠性上有突出的优势,从而使可拓神经网络实际应用于火灾早期预测成为可能。     

可拓检测的可拓变换机理

物元变换是可拓检测功能模型的环节之一,变换结果直接影响着能否解决不可测问题。基于可拓学解决矛盾问题的方法,利用相关物元在可拓检测中的重要作用,提出了对不可测物元实施的具体可拓变换方法,研究了可拓检测的可拓变换机理。     

可拓神经网络在变压器故障诊断中的应用

可拓神经网络是一类新的神经网络,它结合了可拓学理论和人工神经网络技术。可拓神经网络已经在模式识别、故障诊断、分类聚类等领域有了成功的应用。针对变压器故障诊断的特点,提出一种基于可拓神经网络的电力变压器故障诊断方法。介绍了可拓神经网络;构造了基于可拓神经网络的故障诊断模型和算法设计,并将其应用到电力变压器的诊断识别;通过仿真实验验证了该方法简单易行、训练误差小、收敛时间快等优点。该方法具有一定的应用及推广能力。     

可拓神经网络模型及其股指期货分析研究

近年来可拓神经网络(ENNs)在人工智能领域发展迅速,取得了颇为丰富的研究成果。双权可拓神经网络就是这些成果之一。这是一个非常新的课题,有关它在实际应用方面的研究还只是很狭隘地限定在各类诊断之中,因此要丰富这一新兴课题就需要拓展双权可拓神经网络在其他领域的应用研究。率先拓展了双权可拓神经网络模型在股指期货预测分析领域的应用研究,详细描述了两种双权可拓神经网络结构设计、算法过程,并且通过实验验证了该模型在股指期货预测分析领域的可行性和有效性。     

可拓ERP的计算机实现

可拓学是由我国创立的一门新学科,它已从理论研究领域发展到就用研究的领域,其中将可拓学的理论方法应用到当今的ERP中,并通过可拓工程方法,利用物元的蕴含分析与发散分析,通过可拓运算,利用关联函数,可以帮助决策者得出最优的策略,更有效地优化资源配置.     

基于可拓表征与神经网络的苗族图案设计

针对苗族图案的文化传承及设计应用问题,提出基于可拓表征和神经网络的民族图案创新设计方法,对苗族蜡染图案进行解构、映射和重构.首先对苗族蜡染图案进行可拓表征,运用发散树法构建设计生长阶段模型对苗族图案基元进行拓展分析.其次基于感性工学对苗族蜡染图案进行感性意象分析,提出一种面向图案构型、纹样语义和种类的图案解构方法,构建...     

基于可拓学的网络安全报警分析技术研究*

用户的网络管理需要建立一种新型的综合网络安全管理解决方案,即统一网络安全管理。特别关注于其中的一个关键功能——报警分析。其思路是以IDS报警为中心,将报警分析过程分解为包含报警评估与报警相关的两级关联分析模式。为了有效克服现今IDS报警分析技术中存在的问题和局限,顺应网络安全管理的统一化趋势,引入在解决矛盾问题方面极具优势的可拓学,以保证网络安全报警分析各种功能在技术上的实现。     

基于遗传算法与可拓神经网络的故障诊断

可拓神经网络是基于可拓理论和神经网络而设计的一种新的方法,它即充分利用了可拓学定性描述和定量描述的优点,又考虑了神经网络并行结构的特点.它由输入和输出两层可拓神经元构成,在每个输入神经元和输出神经元之间有两个连接权值.然后利用遗传算法全局搜索能力,对建立的可拓神经网络的权值进行优化,在优化过程中利用可拓神经网络输出的正确次数与可拓神经网络输入的样本总数的比值作为适应度函数,染色体根据物元的节域进行实数编码,计算出的可拓距离的最大值对应的物元与样本一致时,输出正确次数累加一次.算法终止条件为误差值达到要求.最后利用该方法开发了励磁系统的故障诊断系统.并对可控硅的缺相故障进行了成功的诊断.试验结果证明,该方法比传统的神经网络具有速度快,准确度高的特点.     

基于可拓学的网络安全报警分析技术研究*

用户的网络管理需要建立一种新型的综合网络安全管理解决方案,即统一网络安全管理。特别关注于其中的一个关键功能——报警分析。其思路是以IDS报警为中心,将报警分析过程分解为包含报警评估与报警相关的两级关联分析模式。为了有效克服现今IDS报警分析技术中存在的问题和局限,顺应网络安全管理的统一化趋势,引入在解决矛盾问题方面极具优势的可拓学,以保证网络安全报警分析各种功能在技术上的实现。     

基于Web的可拓专家系统研究

传统的专家系统的局限性使得构造基于Web的专家系统具有重要意义。可拓学的发展为之提供了新的方法与手段。首先明确提出可拓专家系统的概念,然后结合当今流行的Web应用技术,构建基于B／S程序架构、Web的可拓专家系统,使之具有高移植性、高扩展性,且可以发挥可拓规则的扩展性和动态性的特点,对实现系统的关键技术进行了说明,系统运行良好,证明了所阐述理论之可行性。     

基于可拓理论的RBF神经网络研究及其应用

针对径向基函数（RBF）神经网络构造时其结构和参数难以确定的问题,结合可拓理论对输入样本和基函数的中心向量建立物元模型,并借鉴第2类型可拓神经网络（ENN2）的聚类思想,根据样本分布,采用可拓分析及可拓变换动态调整隐节点数目和基函数中心,从而提出基于可拓理论的RBF（ERBF）神经网络.同时,通过UCI标准数据集进行了测试,并通过应用实例进行了验证,结果表明,ERBF结构和参数的确定方法简单、收敛速度快,且泛化精度、鲁棒性和稳定性均显著提高.     

图神经网络综述

图神经网络和超图神经网络（hypergraph neural network, HGNN）已经成为协同过滤推荐领域的研究热点. 然而实际场景中用户和项目的交互非常复杂,导致用户之间存在高阶的复杂关系,而普通图结构只能表达简单的成对关系,对网络结构的堆叠容易导致中间层表征的过度平滑,在稀疏场景下的用户建模、用户相似性发现与挖掘方面能力较弱;同时,异质超图神经网络的复杂结构使得模型的训练效率较低. 在以微信“搜一搜”等内容平台为代表的高度稀疏数据场景中,对于基于用户所属群体画像的圈层内容推荐任务,现有模型推荐效果差、用户表示的可解释性弱. 因此, 针对该类任务,提出了一个新的轻量同质超图神经网络模型,该模型包含用户交互数据至超图的转化、卷积生成用户表征序列、用户表征计算过滤. 模型首先将用户-项目交互数据转化为只含用户节点的同质超图并计算得到用户表征解耦序列初始值,随后根据超图拉普拉斯过滤矩阵进行信息传播与序列值的迭代生成,通过不使用激活层的卷积方法简化模型结构,并根据提出的均值差JK注意力机制为每个序列值生成权重矩阵. 最终,通过对解耦序列加权求和、过滤实现对用户表示的编码,并在真实数据集上进行实验验证了所提模型的相对更优效果.

     

随机神经网络发展现状综述

随机神经网络 (RNN)在人工神经网络中是一类比较独特、出现较晚的神经网络 ,它的网络结构、学习算法、状态更新规则以及应用等方面都因此具有自身的特点 .作为仿生神经元数学模型 ,随机神经网络在联想记忆、图像处理、组合优化问题上都显示出较强的优势 .在阐述随机神经网络发展现状、网络特性以及广泛应用的同时 ,专门将RNN分别与Hopfield网络、模拟退火算法和Boltzmann机在组合优化问题上的应用进行了分析对比 ,指出RNN是解决旅行商 (TSP)等问题的有效途径     

用随机神经网络优化求解改进算法的研究

随机神经网络是一种仿照实际的生物神经网络的生理机制而定义的网络,其网络结构及应用具有自身的特点。在详细讨论了动态随机神经网络求解典型NP优化问题TSP的算法的同时,特别提出了一种有效改进算法,使得参数在简单选取的情况下保证能量函数的下降,在组合优化问题上具有普遍意义,并且在10城市TSP对改进算法进行验证,指出RNN是解决TSP问题的有效途径。     

结合聚类思想神经网络文本分类技术研究*

针对传统的基于神经网络文本分类算法收敛速度慢等缺点,在分析了文本分类系统的一般模型,以及在应用了互信息量的特征提取方法提取特征项后,提出了一种基于样本中心的径向基神经网络文本分类算法;并引入了聚类算法的核心思想,改进误差反向传播神经网络分类算法收敛速度较慢的缺点。实验结果表明,提出的改进算法与传统的BP神经网络分类算法相比,具有较高的运算速度和较强的非线性映射能力,在收敛速度和准确程度上也有更好的分类效果。     

一种小波神经网络的混沌加密算法研究

概括了小波神经网络的主要理论,将小波神经网络和混沌系统相结合,建立了一种混沌序列的生成模型,给出基于小波神经网络的混沌加密算法,最后对算法进行计算机仿真实验.结果表明小波神经网络具有更快的收敛速度和更准确的逼近能力,而基于小波神经网络的混沌加密算法具有很高的安全性.     

基于神经网络和混合遗传算法的优化控制研究

本文主要提出一种对复杂系统进行智能优化控制的解决方案,首先采用神经网络对欲控制的复杂系统进行建模,然后采用实际数据构建针对性的神经网络模型,最后用混合遗传算法对神经网络模型进行制定参数寻优,从而获得对复杂系统的智能优化控制。在理论探讨的基础上,本文给出了此优化控制方法的相关MATLAB程序,只要针对具体问题稍加调整,相信此程序能较好地解决实际中复杂系统的优化控制问题。     

基于可拓模糊层次分析的异构网络选择算法

针对目前异构网络选择算法在确定指标权重存在主观性的问题,提出基于可拓模糊层次分析的异构无线网络选择算法。该算法在分析不同业务类型对网络性能需求的基础上,结合可拓理论,将收集到的性能参数映射到性能标度区间中,通过网络物元模型的建立和相对隶属度的计算,构建了新的判决矩阵,利用模糊层次分析法计算网络性能参数的综合权重。最后,通过对相对隶属度的加权排序,得到最优接入网络。仿真实验证明:该方法能综合考虑不同用户的业务类型和网络的客观性能,提高了异构网络中多模终端选择网络的准确性和有效性。