分布式数据库系统数据一致性维护方法

分布式系统的重要特性是保证数据的有效性、一致性,查询的实时性。本文介绍了分布式环境中数据复制的基本概念、基本原理以及数据复制的实现方法。     

分布式数据库系统中数据一致性方法

本文介绍了ORACLE分布式数据库系统中实现数据共享，维护数据一致性的几种方法及每种方法的优缺点，解决了此种系统中数据共享的问题；     

神经网络数据融合在位移传感系统中的应用

温度漂移误差是位移传感系统的主要误差之一.为了提高位移传感器输出的精度与稳定性,可以把位移传感器的输出与温度传感器的输出进行数据融合.提出一种基于RBF网络(径向基函数神经网络)的多传感器数据融合方法,把位移传感器和温度传感器的输出送入融合中心,通过RBF网络的学习训练,得到稳定的位移输出.实验表明:在相同的温度波动情况下,位移传感器的输出稳定性比原来提高了约4倍.该方法在位移传感系统减小温度漂移的应用中十分有效.     

汽液相平衡数据热力学一致性检验系统的开发

按照面积法汽液相平衡数据热力学一致性检验的原理,完成了其一致性检验程序的开发.系统中精选了一致性检验计算中所需的各种模型,它们具有较高的精度.该系统通过接口与微型机上化工物性数据库相联接,可方便地调用和计算所需各种物性数据,能够快速而大量地进行数据的检验工作.本系统可对除含超临界组分以外的各种条件下的二元汽液相平衡实验数据进行热力学一致性检验.运用该系统处理了八十套各种条件下的二元汽液平衡实验数据,检验结果与文献数据相符合.     

基于消息队列的分布式系统数据一致性方法研究

为在分布式环境下保持数据的一致性,结合一个实际的容灾系统,对维护分布式数据库数据一致性问题进行了分析。根据对当前数据一致性维护技术的研究和比较,提出一种基于消息队列技术的一种实现数据一致性的方法。该方法通过对数据同步的研究,保证了实际容灾系统在一定条件下的数据一致性。     

神经网络在发动机试验数据拟合中的应用

本文将神经网络应用于发动机试验数据的拟合，为改善神经网络性能引入了函数连接。研究表明：神经网络能够避免数据的分析和建模工作，能够识别有噪声的输入模式，数据拟合精度高，可减少分析人员的介入。     

模糊神经网络在雷达网数据融合中的研究

根据数据融合的原理,对雷达网数据融合问题提出了一种模糊神经网络模型,讨论了神经元感应场内模糊隶属度函数最大的WTA竞争机制和目标数据的重复融合问题。通过三目标数据关联的仿真实验,证明了该方法的有效性。     

神经网络技术在数据融合中的应用

在分析产生式系统与神经网络特点的基础上,介绍了一种如何将规则库转换为神经网络形式以及利用神经网络的学习能力和并行处理能力改善产生式系统的性能的方法．给出了一个在数据融合中应用该方法对雷达进行分类的例子．     

反馈神经网络在动态过程数据校正中的应用

以全混流反应器为例 ,对反馈神经网络在动态过程数据校正中的应用进行了研究 ,并对 Elman网络及其改进形式进行了比较。由校正结果得出 ,Elman网络引入自反馈后 ,能更好地反映系统的动态特性。     

基于数据网格的元数据一致性管理研究

元数据复制文件的一致性管理是数据网格中所要解决的一个关键问题。结合元数据自身的特点,对传统的元数据复制文件管理系统进行了分析,设计提出了一种新型元数据复制文件一致性管理系统,并保证了元数据访问的可靠性,使系统效率大大提高。     

A nonlinear PCA algorithm based on RBF neural networks

Traditional PCA is a linear method, but most engineering problems are nonlinear. Using the linear PCA in nonlinear problems may bring distorted and misleading results. Therefore, an approach of nonlinear principal component analysis (NLPCA) using radial basis function (RBF) neural network is developed in this paper. The orthogonal least squares (OLS) algorithm is used to train the RBF neural network. This method improves the training speed and prevents it from being trapped in local optimization. Results of two experiments show that this NLPCA method can effectively capture nonlinear correlation of nonlinear complex data, and improve the precision of the classification and the prediction.     

一种快速有效的神经网络新算法

基于输出层函数为线性函数的层前馈神经网络,结合自适应步长和动量解耦的伪牛顿算法及迭代最小二乘法导出了一种混合算法。伪真证明该混合算法自适应能力强,计算量小,收敛速度快,是一种有效的工程实用算法。     

基于小波神经网络的心电数据压缩研究

介绍了一种基于小波分析的神经网络模型－小波神经网络，提出了一种基于小波神经网络的心理数据压缩方法。经过研究表明，采用小波网络 心电数据压缩模板的方法可以大幅加快网络的收敛速度。与基于BP网络的压缩法相比，具有较大的优点。     

Convolutional neural networks recognition algorithm based on PCA

To improve the insufficiency of Synthetic Aperture Radar(SAR) labeled training data for Convolutional Neural Networks(CNN) and the recognition rate for large variations, a novel CNN recognition algorithm is proposed. Firstly, a set of features is extracted from the original data by unsupervised training based on PCA as the initial filter set for CNN. Secondly, in order to accelerate the training speed while avoiding over-fitting, the Rectified Linear Units(ReLU) is adopted as the non-linear function. Thirdly, to strengthen robustness and mitigate the defects of pooling upon features, a probabilistic max-pooling sampling method is introduced and local contrast normalization is exploited on features after the convolutional layer. Experiments demonstrate that our algorithm outperforms the original CNN in recognition rate and achieves better robustness for large variations and complex background.     

基于数据挖掘的BP神经网络模型的一种改进算法

数据挖掘方法的人工神经网络是一种新的数学建模方式.传统方法对非线性数据的预测不易找到简单而有效的模型,神经网络的提出为处理非线性问韪提供了比较好的方法.针对BP算法的局限性提出了改进的BP网络模型,通过对CSP质量指标的预测结果与传统的BP模型比较,结果表明,改进的BP算法提高了学习效率,网络有较好的泛化能力,而且预测更可靠.     

基于小波神经网络的风力发电机故障预测方法

针对风力发电场风力不可控、风况复杂和数据的非平稳性现状,利用风力发电场SCADA大数据,对风力发电机组进行分析,提出一种基于小波分析和神经网络的智能算法,通过分析风力发电机相关故障信号的特征,实现对风力发电机的故障诊断和预测。最后对大熊山风电场2MW 风力发电机组运行数据进行仿真和分析,仿真结果表明,小波神经网络是一种风力发电机故障诊断和预测的有效方法。     

基于神经网络数据融合的无线定位算法

提出了一种基于神经网络数据融合的无线定位算法,该方法融合了到达时间(TOA)、到达时间差(TDOA)、到达角度(AOA)、,并考虑了这三种测量值的测量质量(可信度),有效地解决了在常规定位算法中使用线性最小二乘法求解非线性方程使定位精度下降的缺点。通过仿真表明,该算法具有较高的定位精度,能够满足FCC所提出的定位要求。     

杂波环境下神经网络数据关联算法

文中提出了一种基于Ｈｏｐｆｉｅｌｄ网络的多目标数据关联算法,构造了多目标数据关联Ｈｏｐｆｉｅｌｄ网络的新能量函数,该函数是观测点迹与航迹预测点迹统计距离的函数．算法考虑了数据关联的整体效果,成功地提高了正确关联概率．仿真表明,在杂波环境下和无杂波环境下该算法较最近邻（ＮＮ）法有明显优势．     

基于RBF神经网络的彩色图像盲水印算法

利用径向基函数神经网络(radial basis function, RBF)把水印嵌入到彩色图像的DCT(discrete cosine transform)域.首先把原始图像从RGB空间变换到YCrCb颜色空间,使得水印的嵌入更加符合人的视觉特性;然后将色度分量(CrCb)进行二维DCT变换,将水印通过量化的方式嵌入到CrCb的直流成分中,以提高水印的不可见性和鲁棒性;嵌入水印的时候,使用密钥来控制水印在图像的嵌入位置,来增强水印的安全性;最后,利用RBF来训练模拟量化的逆过程,借助训练得到的RBF神经网络来完成嵌入和提取水印,进一步提高水印鲁棒性.仿真试验表明该方法在保证了很好的不可见性的同时,使水印对于常见的图像水印攻击都具有良好的鲁棒性.     

基于图卷积神经网络的城市交通态势预测算法

为了实时准确地预测城市交通流量,提高城市交通态势感知和预测准确度,提出一种改进的时空图卷积深度神经网络算法：基于自由流动可达矩阵的时空图卷积深度神经网络（FAST-GCN）. 利用图卷积神经网络有效表达城市复杂路网的结构特性,引入自由流动可达矩阵来挖掘复杂路网的时空依赖性,从而提高交通态势预测准确度;对交通流速及站点地理位置数据进行数据预处理;在现有的时空图卷积深度神经网络算法的基础上,增加基于自由流动可达矩阵的图卷积模块,以有效挖掘城市交通路网的独特空间特征;通过一个全连接的输出层输出交通流预测结果;在真实世界数据集PeMS上对算法效果进行验证. 结果表明,采用提出的FAST-GCN算法能够有效获取交通路网独特的物理特性,从而捕获交通数据的时空依赖性,优于时空图卷积（STGCN）等基线算法,其在45 min的预测准确率最好可提高5.656%;相比基线模型,所提算法能够适应大规模路网的交通流预测,且具有可扩展性.