基于遗传算法的前馈神经网络结构优化

为防止交叉后优秀基因段的丢失,在随机非一致线性交叉的基础上,设计了一种与个体适应度相关的线性交叉方案。构造了一种使交叉率与变异率随进化过程自适应调整的方法,有效抑制了遗传算法的早熟收敛。然后,针对函数逼近问题用改进后的遗传算法去优化前馈神经网络的结构,降低了神经网络训练陷入局部最优的可能性,提高了网络的泛化能力。     

用于求解约束优化问题的自适应佳点集进化算法

提出一种用于求解约束优化问题的自适应佳点集进化算法.新算法利用佳点集原理设计多点交叉算子,该交叉算子能够根据父代个体的相似度自适应调整交叉点的位置和子代个体的数目,产生具有代表性的子代个体.在约束处理技术上,改进了Deb的三条比较准则,提出一种新的适应度函数用于比较个体优、劣的比较准则.通过对13个标准测试函数的试验比较验证了新算法的有效性和稳健性.     

基于改进粒子群和模糊神经网络的雾霾分类研究

针对粒子群算法对初始种群敏感和易陷入局部最优解等问题,提出了佳点集理论结合多种群多策略协同进化算法改进的粒子群算法(IMPMSPSO).首先采用佳点集理论生成佳点作为初始种群,使种群分布更均匀而在一定程度上减弱其对位置的敏感性;然后利用协同进化算法,先将种群随机分成若干子种群,各子种群随机选择一种改进的进化策略并行计算,并进行最优位置的共享.经过测试,IMPMSPSO在计算精度和收敛速度上均优于其他算法.最后利用IMPMSPSO优化模糊神经网络初始权值和阈值构造分类预测模型,对雾霾污染等级进行分类预测.结果表明,与其他分类模型相比,该模型在各等级上的准确率均有提高.     

基于跨越连接的多层前馈神经网络结构分析

任何连接方式的神经网络总可以归结为跨越连接网络。在传统多层前馈神经网络算法的基础上,提出了完全全连接神经网络的概念,给出了基于跨越连接的多层前馈神经网络算法。通过分析多层前馈神经网络的误差函数,从理论上证明了：相对于无跨越连接网络,基于跨越连接的多层前馈神经网络能以更加简洁的结构逼近理想状态。最后,用一个隐层神经元解决了XOR问题。     

自适应差分进化算法在入侵检测中的应用

针对开放式的网络环境要求入侵检测系统能够实时高效响应的问题,本文提出了一种自适应的差分进化算法ADE,用于入侵检测的特征选择.算法对网络数据的混合属性进行预处理,引入进化代数和个体适应度函数作为自适应算子动态调整摄动比例因子F和交叉概率CR,采用自适应变异策略提高进化的适应性.在KDDCUP 99数据集的测试结果表明,...     

聚类佳点集交叉的约束优化混合进化算法

提出一种基于聚类佳点集多父代交叉和自适应约束处理技术的混合进化算法用于求解约束优化问题.新算法的主要特点是:在搜索机制方面,利用佳点集方法构造初始化种群,使个体能够均匀地分布在整个搜索空间.然后根据父代个体的相似度将种群个体进行聚类分析,从聚类中随机选择个体进行佳点集多父代交叉操作,利用多个父代个体所携带的信息产生新的具有代表性的子代个体,能够维持和增加种群的多样性.另外,引入局部搜索策略以提高算法局部搜索能力和收敛速度.在约束处理技术上,新算法引入了一个自适应约束处理技术,即根据当前种群中可行解的比例自适应选择不同的个体比较准则.通过15个标准测试函数验证了新算法的有效性.     

动态自适应模块化神经网络结构设计

针对全连接前馈神经网络不能有效应对时变系统的问题, 提出一种动态自适应模块化神经网络结构. 该网络采用减法聚类算法在线辨识工况数据的空间分布, 利用RBF 神经元实现对数据样本空间的划分, 并结合模糊策略将不同子样本空间的数据动态分配给不同的子网络, 最后对各子网络的输出进行集成. 该模块化网络中子网络数量和子网络规模都能根据所学时变任务动态自适应调整. 通过对不同时变系统的预测表明了该网络能够有效跟踪时变系统.     

动态自适应模块化神经网络结构设计

针对全连接前馈神经网络不能有效应对时变系统的问题,提出一种动态自适应模块化神经网络结构.该网络采用减法聚类算法在线辨识工况数据的空间分布,利用RBF神经元实现对数据样本空间的划分,并结合模糊策略将不同子样本空间的数据动态分配给不同的子网络,最后对各子网络的输出进行集成.该模块化网络中子网络数量和子网络规模都能根据所学时变任务动态自适应调整.通过对不同时变系统的预测表明了该网络能够有效跟踪时变系统.     

基于改进差分进化和回声状态网络的时间序列预测研究

针对回声状态网络无法根据不同的时间序列有效地选择储备池参数的问题,本文提出一种新型预测模型,利用改进的差分进化算法来优化回声状态网络.其中差分进化算法的缩放因子F、交叉概率CR和变异策略自适应调整,以提高算法的寻优性能.为验证本文方法的有效性,对Lorenz时间序列、大连月平均气温-降雨量数据集进行仿真实验.由实验结果...     

基于佳点集交叉的粒子群算法

针对基本粒子群算法容易陷入局部极值、后期收敛速度慢和精度低等缺点,文中基于Lovbjerg,Rasmuwsen和Krink提出将进化算法中的交叉操作引入PSO的HPSO模型的启示和佳点集的优良特性．提出了基于佳点集交叉的粒子群算法,从试验上证明了将佳点集交叉算法用于粒子群算法的优化问题上无论从精度还是速度上都比其他算法好。算法整体上表现简单易行的特点,尽管相对基本粒子群算法增加了交叉概率这个参数,但这也给试验以更大的实施空间,是一种有效可行的方法。     

二维环网中基于自适应维度气泡路由的组播算法

介绍了一种称为二维环网维度气泡组播路由(2DTDBMR)的新型算法.基于在一套网络中,采用相同的路由策略支持报文的单播操作和组播操作的思想,在二维环网中,基于TADBR自适应路由,设计实现了2DTDBMR组播算法.该组播算法在路由器中实现了多目标路由以及报文复制,而且算法是无死锁的.通过对二维环网中报文所有可能的路由情况进行分析发现当采用2DTDBMR组播算法时,报文最终都可以到达目标点.最后,在自行设计的模拟工具RingNetSim上实现了2DTDBMR组播算法.在RingNetSim上分析了2DTDBMR算法的性能,结果显示环网维度气泡组播算法的性能优异.     

基于矩阵运算的单隐层Madaline网络批量学习

针对前向离散型单隐层Madaline网络建立了以矩阵为基础的数学模型,结合高维空间超平面划分理论,通过对表示样本的矩阵与代表网络性质的矩阵进行分析运算,在输入样本维度较低的情况下给出了Madaline网络的批量学习方法。该方法可有效地解决离散数据的两类分类问题。     

Multistability equivalence between gene regulatory networks of different dimensionality with application to a differentiation network

This paper formulates and addresses the problem of equivalence in terms of multistability properties between nonlinear models of gene regulatory systems of different dimensionality. Given a nonlinear dynamical model of a gene regulatory network and the structure of another higher‐dimensional gene regulatory network, the aim is to find a dynamical model for the latter that has the same equilibria and stability properties as the former. We propose construction rules for the dynamics of a high‐dimensional system, given the low‐dimensional system and the high‐dimensional network structure. These construction rules yield a multistability‐equivalent system, as we prove in this work. We demonstrate the value of our method by applying it to an example of a multistable gene regulatory network involved in mesenchymal stem cell differentiation. Here, differentiation is described by a core motif of three genetic regulators, but the detailed network contains at least nine genes. The proposed construction method allows to transfer the multistability based differentation mechanism of the core motif to the more detailed gene regulatory network. Copyright © 2016 John Wiley & Sons, Ltd.     

二维网格片上网络中的新型自适应路由算法

本文针对二维网格的片上网络设计了一种称为维度气泡流控(DBFC)的新型流控策略。利用虚跨步切换技术中消息的依存关系只与相邻缓冲区队列相关的特点,设计实现了维度气泡流控。该流控策略建立在虚跨步(VCT)切换和信约流控机制之上,通过分析端口信约值和路由信息实现点点间的流控。在二维网格的片上网络中采用DBFC流控策略,即使网络中存在环相关,本文设计的自适应维度气泡路由(ADBR)算法仍可实现无死锁、最短距离的路由。对于以上结论,本文提供了详细证明。最后,通过修改通用的片上网络模拟工具-NOXIM的代码,实现了DBFC流控策略和ADBR算法。在NOXIM上分析了ADBR算法的性能,结果显示ADBR算法拥有较好的性能。     

基于增强空谱特征网络的空间感知协同表示算法

高光谱图像具有高维度、带间相关性较高、样本数量较少等诸多问题,直接利用表示学习算法对高光谱图像进行分类会导致严重的维数灾难.对于高光谱图像,不是所有的光谱带都可用于特定的分类任务.因此,文中提出基于增强空谱特征网络的空间感知协同表示算法.依据高光谱图像内在的低维流形构建基于空谱特征的分层网络.利用训练的网络对高维数据进...     

基于快速属性约简的网络入侵特征选择

高维网络数据中的无关属性和冗余属性会导致入侵检测速度慢及效率低下。为解决该问题,提出一种基于快速属性约简的网络入侵特征选择方法。以网络数据的条件属性与类别属性之间的互信息为度量去除无关属性,采用基于粗糙集正区域的属性重要性计算公式作为启发信息,设计一种快速属性约简算法去除网络数据的冗余属性,实现网络入侵特征子集的优化选择。在KDD CUP1999数据集上的仿真实验结果表明,该方法能有效去除网络数据中的无关属性和冗余属性,具有较高的入侵检测率和较低的误报率。     

高维大数据集中频繁闭合模式的挖掘

高维大数据集对现有的数据挖掘算法提出了挑战。该文把挖掘任务分解为挖掘频繁长模式与短模式2个子问题,提出一种在高维大数据集中挖掘长项集的算法,即inter-transaction。该算法利用了高维数据中长事务相交迅速变短的特性,通过事务的交集运算直接得到长闭合模式,同时采用新的减枝策略,优化了事务交集运算的方法。实验表明,该方法对高维大数据集非常有效。     

Convergence testing on a distributed network of processors

The termination of iterative algorithms on a distributed network of transputers is an important issue with the increasing usage of parallel computers.

In this paper we analyse the computational and communication costs of performing the convergence tests on the solution of the Laplace Equation on a two dimensional region,.i.e., the unit square.

Finally a strategy of terminating the iteration without convergence testing is demonstrated.     

网络流量异常检测中的维数约简研究

对包含大流量数据的高维度网络进行异常检测,必须加入维数约简处理以减轻系统在传输和存储方面的压力。介绍高速网络环境下网络流量异常检测过程以及维数约简方式,阐述流量数据常用特征和维数约简技术研究的最新进展。针对网络流量特征选择和流量特征提取2种特征降维方式,对现有算法进行归纳分类,分别描述算法原理及优缺点。此外,给出维数约简常用的数据集和评价指标,分析网络流量异常检测中维数约简技术研究面临的挑战,并对未来发展方向进行展望。     

非负矩阵分解降维的入侵检测方法

直接对高维网络连接数据进行处理会出现维数灾难问题,因此,需要对其进行维数约简。非负矩阵分解不仅能对高维数据进行降维,而且使矩阵在分解后的所有分量均为非负值,符合网络连接数据的语义特征。将其应用到入侵检测中,把高维数据投影到低维可视空间上,用散点来表示网络连接记录,通过观察散点所处位置来判断其所属类别,实现入侵检测的可视化。实验验证了这种入侵检测方法的有效性。