网络嗅探防御措施研究

网络嗅探是指在网络数据传送过程中网络嗅探软件获取网络数据的行为,网络嗅探软件通过嗅探能获取数据中的用户账户、用户口令等重要信息,网络嗅探严重影响着网络信息安全,本文简要介绍了网络嗅探原理及其危害,并提出了网络嗅探防御措施及办法.     

网络远程教育中师生交互关系的探讨

本文阐述了网络教育的基本特征与功能，提出了网络远程教育对教师与学生的更高要求，剖析了网络远程教育中与之相适应的师生角色定位，探讨了网络远程教育中的教学主体－教师，学习主体－学生，及其在网络教学活动中通过非连续通信建立起来的交互主体性关系。旨在通过探讨折射出网络远程教育的实质，对充分发挥教师与学生在网络远程教育中的主体性，提高网络远程教育的教学质量，促进网络远程教育的发展起到积极的推进作用。     

基于Internet/Intranet的群体创新理论及其关键技术的研究

现代网络技术的发展为群体创新提供了网络通讯平台,网络群体创新正是时代发展的要求.文章首先分析和提出了网络群体创新的定义、特点、意义和网络群体创新理论的框架结构;然后研究了网络群体创新的核心--网络智暴法的实体三要素包括会议主持人、与会者和会议主题,最后提出了网络群体创新的实施程序.文章介绍的基于Internet/Intranet的群体创新理论可以充分发挥网络优势和企业内外部的人才资源的潜力,将大大提高企业创新活动的效率和成功率.     

模具企业联盟网络的模式选择

根据模具行业的特点和网络制造化的发展趋势，提出了基于长期合作的战略网络是适应当前环境变化的模具网络化制造组织模式。阐述了企业战略网络在模具企业中广泛应用的必要性，探讨了模具企业建立战略网络的若干动机，提出了模具企业四种主要的联盟网络模式，分析了模具企业联盟网络模式的选择过程，并对我国模具行业的发展提出了建议。     

大学生网络成瘾现状及成因探究

随着网络的快速发展，网络成瘾问题已越来越突出，本文以大学生网络成瘾的现状、基本类型及其危害相关研究为基础，探讨了大学生网络成瘾的主观因素和客观因素，以帮助大学生认清网络成瘾，养成良好的网络生活习惯，使大学生摆脱网络成瘾。     

铸造行业网络信息资源的有效利用

阐述了网络信息资源的重要性、特点和中国铸造行业网络信息资源利用现状以及铸造行业网络信息资源的分布,并在此基础上探讨了铸造行业网络信息资源的利用策略.     

基于径向基函数网络的微合金钢流变应力的预测

本文建立了预报微合金钢热变形中流变应力的径向基函数网络模型。与通常的BP函数网络模型进行了对比 ,并与实测结果进行校核。结果表明 ,对于本文研究的问题 ,径向基函数网络避免了BP网络的局部极小及收敛速度慢等缺点 ,在精度、训练速度等方面优于BP网络     

开放式数控网络化加工系统的构建与实现

介绍了开放式数控系统模型和ISO－OSI网络互连模型，构建了基于Internet/Intranet的开放式数控加工系统的网络组成，实现了网络制造。     

网络传播理论:高校学生教育管理的新视角

网络传播理论为网络时代高校学生教育管理提供了有益的指导。无论是网络传播理论与高校学生教育管理规律，还是网络传播与高校学生教育管理实践，都具有很好的兼容性。网络传播理论为其创新提供了良好的视角和思路。高校学生教育管理创新应当做到充分掌握当代大学生网络思维特点，提升学生教育管理的针对性；在网络化教育环境中，注重学生教育管理情境化；积极合理干预网络传播，强化网络舆论和环境管理；注重网络环境与现实环境的互动，优化学生教育管理资源。     

基于Internet／Intranet技术建造的远程专家系统

建造了Internet/Intranet网络化选矿远程专家系统,该专家系统用网络搜索引擎技术通过网络搜索Web数据库而实现求解。谓词逻辑等知识;基于数据引导及网络搜索技术实现了Web推理求解机制,并给出了相应的系统实现方法。     

基于孪生网络结构的轴承故障诊断研究

针对轴承故障诊断中故障样本稀缺、深度神经网络模型在小样本条件下存在故障诊断准确度较低的问题，提出将深度神经网络扩展为孪生网络结构的框架，以提高在小样本条件下的故障诊断性能。孪生网络通过权值共享的骨干网络从样本对中提取特征，采用L₁距离判定样本对的特征相似度，实现轴承故障诊断。不同于传统深度神经网络，孪生网络采取输入样本对的方法，在故障数据不足的情况下，可以提高轴承故障诊断性能。分别将不同层数的卷积神经网络(CNN)与长短期记忆网络(LSTM)扩展为孪生网络结构，在实测轴承数据集上进行小样本故障诊断实验。实验结果表明，通过扩展为孪生网络结构可以提高故障诊断结果的准确率，孪生CNN网络比对应的CNN网络准确率平均提高1.08%,孪生LSTM网络比对应的LSTM网络准确率平均提高4.78%。     

Chebyshev神经网络的改进及其应用

针对目前Chebyshev神经网络所存在的不足，提出一种改进的Chebyshev神经网络，它使用多输入多输出神经网络结构与使用改进的Chebyshev正交多项式。因此改进的神经网络不仅扩大了网络辨识模型的能力与学习适应性，而且算法简单，学习收敛速度快，有线性、非线性逼近精度高等优异特性。文中给出两个应用实例，仿真结果表明是有效的。     

制造企业控制网络和数据网络的集成技术研究

一般制造企业的综合信息网由控制网络与数据网络构成，本文首先论述了制造设备的控制网络集成技术，其次论述了控制网络和数据网络间集成意义和集成的关键技术。     

网络拓扑控制的节点稳定性选取技术研究

为了保证网络运行寿命,避免传统节点选取技术能耗和时延高的弊端,提出一种新的网络拓扑控制的节点稳定性选取技术.构建EETCA网络拓扑结构,研究网络拓扑的控制,控制过程主要包括簇头选择阶段、簇的建立阶段和稳定数据的传递阶段.建立节点选取模型,通过Hopfield网络模型减小检索范围,结合遗传法和Hopfield网络局部搜索法完成网络节点的稳定性选取.采用Hopfield网络局部搜索法生成父代基因库,求出每个染色体的适应度,确定遗传算子,生成子代基因库,得出最优解,获取节点稳定性选取结果.实验结果表明:所提技术能够保证网络使用寿命,且时延和能耗低.     

基于BP和RBF神经网络的机器人逆运动学算法

针对单一神经网络求逆运动学时存在求解精度不高、泛化能力差的问题,研究了工业机器人的工作空间及逆运动学求解算法。在对BP神经网络和RBF神经网络分析的基础上,提出了一种BP与RBF网络并行的7输入6输出神经网络模型。以一种协作型工业机械臂为例,首先建立其运动学模型并分析工作空间,然后求解正运动学获得数据集用于训练、验证和测试网络,最后得到符合要求的网络模型。仿真结果验证了网络的正确性,并行网络方法提高了单一神经网络的求解精度,同时求解速度优于解析法求逆运动学速度,证明了该方法的实用性。     

遗传优化LVQ神经网络在设备故障诊断系统中的应用

为了提高设备故障诊断的准确度，采用LVQ神经网络来完成设备故障定位及识别，并借助遗传算法求解LVQ神经网络权重初始值。在设备故障诊断的建模过程中，根据实际故障情况和故障常见类别建立LVQ神经网络的设备故障诊断模型，充分挖掘LVQ神经网络在机械设备故障诊断细粒度的优势，为了防止因为故障细粒度诊断而造成收敛过慢的情况，对LVQ神经网络的权重和阈值初值进行遗传算法求解，然后在进行LVQ神经网络的迭代训练，得到稳定的LVQ神经网络故障诊断模型。经过实验证明，相比于传统的LVQ神经网络算法，采用基于遗传算法优化LVQ神经网络的设备故障分类，分类准确度更高，训练时间更快。     

校园网选型研究

技术的先进性和标准化、需求的满足和价格的定位以及应用的早期推广是校园网选型要考虑的重要因素。而主干网及主干网与广域网联接的问题是校园网选型的两大主题。企业网选型与校园网选型的原则是基本一致的     

应用人工神经网络理论建立热粘塑性材料的本构关系

本文将人工神经网络（ＡＮＮ）用于建立热粘塑性材料的本构关系，意在探索出一种描述材料变形力学行为的新方法。文中给出了应用人工神经网络建立热粘塑性材料本构关系的ＢＰ模型和学习算法过程，并应用于４５号钢在高温和高速变形条件下的流动应力计算。计算结果与实测结果比较表明，二者吻合良好。因此，应用人工神经网络建立热粘塑性材料的本构关系具有重要的工程应用价值。     

河北中钢冷连轧机控制网络系统研究

介绍了我国自主研制的河北中钢钢铁有限公司5机架全连续冷连轧机组控制系统的设计开发情况,重点介绍了该系统自动控制网络系统的功能分布、网络结构、网络配置和网间互联。该系统可作为全连续冷连轧简易网络系统的参照,目前运行良好。     

Aluminum-zinc alloy squeeze casting technological parameters optimization based on PSO and ANN

This paper presents a kind of ZA27 squeeze casting process parameter optimization method using artificial neural network (ANN) combined with the particle swarm optimizer (PSO). Regarding the test data as samples and using neural network create ZA27 squeeze casting process parameters and mechanical properties of nonlinear mapping model. Using PSO optimize the model and obtain the optimum value of the process parameters. Make full use of the non-neural network mapping capabilities and PSO global optimization capability. The network uses the radial direction primary function neural network, using the clustering and gradient method to make use of network learning, in order to enhance the generalization ability of the network. PSO takes dynamic changing inertia weights to accelerate the convergence speed and avoid a local minimum.