一种基于分时的LEO卫星网络无环路由算法

在分析传统卫星网络路由算法的基础上，提出一种基于分时的LEO卫星网络无环路由算法(DTRA)。针对卫星在各时间片之间进行路由表切换时可能出现的路由环问题，算法采用平滑路由表切换策略消除由于切换前后网络状态信息不一致而产生环路的可能性，保证分组在任何时刻都能够沿无环最短时延路径被转发。同时，DTRA也能够通过使用无环备份路径处理可能出现的链路拥塞、节点失败等突发情况。通过复杂性分析可知，算法只需较小的星上存储开销和星上处理开销，而无需星问通信开销。仿真实验结果也表明算法能够提供数据最优传送，具有较好的端到端时延性能。     

基于流量预测的卫星网络路由算法

卫星机动能力强且能够实现全球覆盖,物联网的发展加快了低轨卫星网络的部署.基于卫星网络的拓扑结构变化较为迅速,星下点覆盖范围更新较快,不同地区的业务流量接入情况差异大的问题,提出了基于流量预测的星上路由算法.通过神经网络的训练预测地面流量的接入情况,预先进行负载均衡判决缓解星上的拥塞情况.用于缓解卫星拥塞状态下的重路由计...     

基于深度卷积神经网络算法改进

深度卷积神经网络在近年发展迅速,特别是在深度学习被提出来后。但在真实的人脸检测中,大的视觉变化,如背景,照明等,需要一种精确的判别模型来区分人脸和背景。于是,本文给出基于深度卷积网络算法的改进。     

基于深度神经网络的自适应波束形成算法

阵列天线接收到的期望信号和干扰信号,其入射的到达角度(Angle of Arrival,AOA)总是快速变化的,而传统波束形成算法计算量大,无法实时计算。针对这一问题,提出了一种基于深度神经网络的自适应波束形成(Deep Neural Network Adaptive Beamforming,DNNABF)算法,用入射信号AOA组成的向量作为网络输入,网络输出逼近最小方差无失真响应(Minimum Variance Distortionless Response,MVDR)算法求得的权矢量。仿真结果表明,卷积神经网络(Convolutional Neural Network,CNN)与DNNABF方法都能准确拟合MVDR算法权矢量,可在入射信号AOA快速变化时自适应地形成波束和零陷,但DNN计算速度相对MVDR有将近6.5倍的提升,训练模型时间也远低于CNN。     

基于深度卷积神经网络的红细胞识别算法研究

针对深度研究的项目特点,文章对卷积神经网络结构的研究现状进行分析,总结卷积神经网络结构及优化算法。旨在通过对这些内容的分析,针对红细胞图像提取特征,设计群优化算法的卷积神经网络结构,以提高图像检测的科学性、准确性,展现深度卷积神经网络的识别算法技术的使用价值。     

基于模糊神经网络的异构无线网络接入选择算法

针对现有异构无线网络基于模糊逻辑及神经网络的接入选择方法未能合理考虑网络负载状况的问题,提出一种基于RBF(径向基函数)模糊神经网络的接入选择方法.该方法以可接入网络的接入阻塞率相等为模糊神经网络参数强化学习的目标,对网络负载程度具有很好的动态适应性,实现了智能化的接入判决.仿真结果表明,该方法能有效均衡异构无线网络间的负载,保障实时与非实时业务的QoS,并且相对于负载均衡算法(MLB算法)降低了网络的接入阻塞率.     

基于深度神经网络的光纤传感识别算法

为解决光纤传感过程中不同类型事件信号混叠造成识别概率降低的问题,搭建了一种采用差分相关计算的双光纤传感结构,并在此基础上提出了基于深度神经网络的信号识别算法。首先利用双光纤回波信号计算相关系数,再通过不同事件类型信号特征设置阈值范围,从而通过相关计算与阈值滤波提高信噪比。设计了包含三个隐藏层的深度神经网络模型,以分离输入层与相关运算层的形式完成低频噪声抑制与信号混叠解调的目的。实验分别对三种常见入侵事件进行测试,并在此基础上分析了不同算法对组合事件的识别概率。结果显示三种事件的回波谱形具有显著特征。三种算法对单一触发事件的识别概率均在95%以上,该算法的识别均值为98.5%。当两个事件同时触发时,三种算法的平均识别概率分别为73.4%、 84.5%和96.4%。当三个事件同时触发时,三种算法的平均识别概率分别为65.2%、78.3%和93.5%。可见,该算法在光纤传感中信号存在干扰及混叠时具有更好的识别效果。     

基于蚂蚁算法的QoS路由调度方法

为了有效地解决QoS受限路由问题,本文提出了一种新颖的具有全局优化能力的蚂蚁算法,它是基于蚂蚁具有找到蚁巢与食物之间的最短路径原理工作的。 仿真实验表明,该方法能够有效地解决QoS受限路由问题。     

一种基于负载均衡的高能效LLN路由算法

针对低功耗有损网络(LLN)中由于节点部署不均匀易导致负载不均衡的问题,提出一种基于负载均衡的高能效LLN路由算法(EELB-RPL)。通过将链路质量、传输时延、节点剩余能量、吞吐量以及拥塞检测因子等因素相结合选出最优父节点;再通过调整溪流计时器,使节点根据网络拓扑密度调整自身抑制机制,避免了抑制不公平性导致负载不均衡。仿真结果表明,所提算法与现有算法相比较,能够有效实现负载均衡。其中,数据包投递率提升了14.6%,根节点吞吐量提升了28.5%,网络平均寿命提升了8.96%。     

基于深度神经网络的最大化SINR小区选择算法

提出了基于深度神经网络DNN的最大SINR准则来模拟5G场景下的小区切换.利用准确光线追踪数据来构建能捕获对地形、建筑材料依赖性的DeepMIMO信道,在获取UE信道信息后,将5G双频段基站下的小区选择建模为分类问题,通过传统小区算法训练DNN,来获得小区选择的预测结果.仿真结果表明,基于DNN的最大化SINR方法在5...     

用神经网络预测负荷的路由选择方法

电信网路由选择方法的优劣直接影响着网络的接通率和负荷平衡程度.我国电信网的接通率只有45%左右.据介绍,若其接通率提高一个百分点,收益可达10亿元.本文针对目前所使用的路由选择方法的不足,提出基于神经网络预测的新的路由选择方法,包括性能指标、选路思想和递归神经网络预测等.然后,分析和比较仿真结果.这个方法因良好的分布特性和智能决策能力而优于其它方法,这为提高业务接通率和平衡网络负荷提供了良好途径.     

Decentralized Control of Dynamic Routing with a Neural Network Algorithm

A state-dependent routing algorithm based on the neural network model, which takes advantage of other dynamic routing algorithm for circuit-switched network, is given in [1]. But, the Algorithm in [1] is a centralized control model with complex O (N7), therefore, is difficult to realize by hardware. A simplified algorithm is put forward in this paper, in which routing can be controlled decentralizedly, and its complexity is reduced to O (10N3). Computer simulations are made in a fully connected test network with eight nodes. The results show that the centralized control model has very effective performance that can match RTNR, and the centralized control model is not as good as the centralized one but better than DAR-1.     

电力光通信网中风险均衡路由算法研究

在大力发展智能电网的背景下,支撑电网运转的电力光通信网规模日趋庞大,其承载的业务更加多样化.然而电力光通信网的业务路由规划主要以最短路径算法为主,导致电力光通信网存在业务重要度分布不均衡,从而导致网络局部风险过高的问题.针对上述现状,文章采用深度强化学习技术,以网络业务风险均衡为目标,提出了基于强化学习的电力光通信网风...     

一种基于孪生神经网络的深度异构网络嵌入算法

针对现有异构网络嵌入方法导致的捕获关系冗余和模糊的问题,提出了一种基于孪生神经网络的深度异构网络嵌入模型。首先,基于面向关系的深度嵌入(Relation-Oriented Deep Embedding,RODE)框架构建了异构网络嵌入模型,以区分同型节点和异型节点之间的关系;其次,将同型节点与异类节点之间的相似性近似到低维空间,通过构建多任务的孪生神经网络来实现节点之间结构和语义关系的深度嵌入;最后,选取四个数据集执行典型网络挖掘任务,并与其他六种算法进行实验对比分析。实验结果表明,保持相同类型节点之间的相似性有助于提高节点分类效率,且损失函数在提高异构网络嵌入质量方面具有良好的优越性;RODE模型能够有效提高稀疏网络的嵌入质量,且具有良好的稳定性和鲁棒性。     

基于深度神经网络模型的雷达目标识别

根据雷达测量的目标电磁散射面积(RCS)序列,采用深度神经网络模型识别空间飞行目标。首先,阐述了提取RCS时间序列特征的方法,包括均值、均方差及周期特性等特征;然后,给出了深度神经网络模型识别RCS目标的算法;最后,用仿真数据验证该识别方法,数值实验结果表明该方法能较准确识别雷达跟踪目标。     

组播路由调度的神经网络方法

本文探讨了在高速包交换计算机网络中，具有端到端时延及时延抖动限制的组播路由问题。首先给出了此类问题的网络模型及其数学描述，然后提出了基于Ｈｏｐｆｉｅｌｄ神经网络的组播路由优化算法。实验表明，本算法能根据组播应用对时延的要求，快速、有效地构造最优组播树，有较强的实时性。     

无线传感器网络能量均衡路由博弈算法

针对无线传感器网络节点能耗不均匀,容易形成网络分区的问题,提出了一种基于博弈论的无线传感网络路由选择策略,建立传感器节点之间以剩余能量为效用的博弈模型,求解并确定节点剩余能量最优的路由。仿真结果表明,所提出的路由选择策略可以有效地最大化节点的剩余能量,同时当该模型处于纳什均衡解时,每条路径的能耗处于均衡状态,有效地利用了传感器节点的能量资源,避免了网络能量的空洞,延长了网络的生命周期。     

基于深度卷积神经网络的自适应图像去雾算法

室外拍摄图像由于受雾气、雾霾、沙尘等大气颗粒杂质的影响呈现出图像灰白化,而现有的图像去雾算法存在过度依赖先验信息、透射率计算不精确的问题。针对上述问题,文中提出了一种基于深度卷积神经网络的自适应图像去雾算法。该算法基于大气散射模型实现了有雾图像的去雾,设计浅层提取、并行提取和深度融合共3个全卷积网络实现图像浅层特征与深层特征的融合,大幅提高了透射率图的准确性。去雾实验测试结果表明,文中所提出的算法对室外露天雾图具有良好的去雾效果,且去雾细节效果更加理想。     

ATM管理信息网快速构建路由算法研究

ATM管理信息网是机动组网的最优先业务,不仅要适应网络拓扑的频繁变化,而且要尽可能低地占用传输资源。基于网络开通的预先规划,在研究RIP、OSPF路由协议的基础上提出了基于ATM组播实现的快速收敛路由算法,该算法通过环路检测机制防止组播风暴发生,路由交互信息由一个ATM信元封装完成,占用极低的传输带宽,通过专用信息格式、入网认证等机制进行了安全设计。该算法适合通信节点不超过20的组网应用,具有很强的抗毁顽存能力。