IP网络质量的主客观评价融合模型

针对IP网络质量评价问题,利用BP神经网络构建一种主客观特征融合的评价模型。主客观2个评价网络分别进行自适应学习,在学习输出稳定后,2个BP神经网络通过相互共振学习使主客观评价数据融合,由此获得一致的评价结果。结合用户感知的主观评价和多种客观性能评价指标对该模型进行仿真,实验结果表明,模型具有较强的抗噪性能,可以较好地满足IP网络质量的综合评价要求。     

基于FAHP的网络性能综合评价的研究*

针对工业现场对有线/无线异构网络的性能要求,提出了一种基于模糊层次分析法( FAHP)的网络性能综合评价方法,着重分析了网络的综合性能指标参数的获取和利用FAHP算法确定各指标权重的过程。通过对不同业务和参数的多媒体仿真网络的性能评价验证算法的准确性,最后针对一个具体的有线/无线异构仿真网络进行评价,比较了不同用户要求下得到的网络性能综合评价值。实验结果表明,采用基于FAHP的网络性能评价算法对于工业异构网络的性能评价是准确有效的。     

基于DFNN的动态矩阵网络控制系统的应用研究

针对网络控制系统中的随机时延,提出一种基于动态模糊神经网络的动态矩阵网络控制系统。利用动态模糊神经网络的特点,提高系统动态响应性能。在以太网的网络环境下,通过实验仿真结果表明,该方法响应快,提高了系统的跟踪精度,具有更理想的控制效果。     

基于三角模糊数层次分析法与网络仿真的网络整体性能评价研究

结合模糊理论提出了改进的模糊AHP算法——基于三角模糊数层次分析法(Triangular Fuzzy Number Analytic Hierarchy Process,TFAHP),使得结论更加客观、合理,同时简化了AHP算法的步骤。在提出基于THAHP网络整体性能评价模型的基础上,阐述了应用网络仿真技术进行网络整体性能评价的方法。包括性能指标选取、仿真试验设计、仿真性能参数计算和仿真结果处理与分析的方法,并给出了对一个具体的多媒体网络进行网络整体性能评价的应用实例。     

移动自组网性能评价参数的研究及仿真分析

在移动自组网中,路由协议是影响网络性能的关键因素,因而对协议性能评价指标的研究非常重要.目前,对协议性能的评价主要是通过网络仿真平台来进行,在网络仿真中衡量一个协议优劣的重要标准是网络性能评价参数.文中根据移动自组网络的固有特性详细分析了网络性能评价参数,给出了各参数的计算方法.介绍了GloMoSim仿真器,并分析了Glo-MoSim仿真器的结构;给出了各参数在GloMoSim仿真环境下的计算和评价方法,并对DSR、AODV和WRP三个协议进行了仿真与结果分析.     

基于多神经网络的网络流量预测模型

实现网络QoS控制对于网络管理及维护相当重要,而网络流量预测对于实现网络的QoS控制可以起到十分重要的作用;另外,流量预测在入侵检测中的应用也受到越来越多的关注。网络流量预测极具现实研究意义。对多个神经网络预测模型进行有效的整合,建立了一个基于多神经网络的网络流量预测模型,并用真实的网络流量对该模型进行仿真验证,提高了其预测性能。     

无线传感器网络汇聚节点拥塞控制方法

针对无线传感器网络中汇聚节点的拥塞,设计一种基于灰色预估神经网络控制队列的控制器.利用RBF神经网络的自学习能力解决网络实时变化时算法参数的在线整定问题,并利用灰色GM(1,1)预测器有效地解决了在汇聚节点易发的大时滞对网络性能的影响.仿真结果表明该算法具有较好的鲁棒性.     

基于自适应模糊神经网络控制器的网络控制系统

网络控制系统中存在着时延、丢包、网络干扰等问题。针对网络控制系统中存在恶化系统的控制性能,甚至导致系统不稳定的因素,提出了一种基于自适应模糊神经网络控制器的网络控制系统,它能根据系统的实际输出与期望输出误差,利用自适应模糊控制和神经网络自学习的原理进行控制参数的自行调整,以符合控制系统的实际要求,同时,分析了网络延时,丢包率及网络干扰因素对系统性能的影响。利用TrueTime工具箱建立了包含自适应模糊神经网络控制器的网络控制系统的仿真模型,并将其分别与基于常规PID控制器的网络控制系统和基于模糊参数PID控制器的网络控制系统进行了比较。实验结果表明,在相同的网络环境下,基于自适应模糊神经网络控制器的网络控制系统的控制效果比基于常规的PID控制器和基于模糊参数PID控制器的要好,且具有较好的抗干扰能力和鲁棒性能。     

一种能够改善泛化性能的多CMAC网络组合方法

CMAC神经网络以其学习算法简单、收敛速度快、泛化性能好的特点得到越来越多的应用.把多个训练好的不同CMAC网络加权组合起来可以综合利用每个网络学习到的有效信息.仿真实验表明组合网络的泛化性能优于单个最佳子网络.在CMAC网络结构参数不变的情况下,通过多网络组合的方法来改善网络泛化性能是有效可行的.     

网络诱导延时对基于网络学习的神经网络PID控制系统的影响及分析

首先介绍了网络学习控制系统,并用 MATLAB 对以神经网络作为网络学习控制器的控制系统进行实例仿真。仿真结果表明网络诱导延时越大,系统控制性能越差。最后对仿真结果做了简单分析。     

Chebyshev神经网络辨识器

基于逼近论，将一组Ｃｈｅｂｙｓｈｅｖ正交多项式取代ＢＰ网络中的Ｓ型函数，构成一种新的神经网络模型。理论分析和仿真实验表明，该网络可逼近任意非线性系统，且建模容易，收敛速度快，学习次数远远少于ＢＰ网络。     

基于灰色关联分析的网络可生存性态势评估研究

通过分析各关键服务性能指标值评估前后的变化，提出了一种基于灰色关联分析的网络可生存性态势的定量评估方法,由规范化的区间数性能指标决策矩阵入手，应用灰色关联分析评估出各关键服务的最优从属度与可生存性概率，然后基于网络“熵差”评估出各关键服务的生存性态势变化，最后得到整个网络系统可生存性态势的综合评估．经过实例测试与仿真，表明该方法能够比较合理地评估出实际的网络可生存性态势．     

基于FPGA模拟的阻变神经网络加速器评估方法

基于阻变器件的存算一体神经网络加速器需在架构设计初期进行仿真评估,确保神经网络精度符合设计要求,但传统阻变神经网络加速器的软件模拟器运行速度较慢,难以应对大规模网络的架构评估需求。为加快仿真评估速度,设计一种基于现场可编程门阵列（FPGA）模拟的阻变神经网络加速器评估方法,分析现有阻变神经网络加速器的架构通用性,利用FPGA资源的高度并行性和运行时指令驱动的灵活模拟方式,通过硬件资源的分时复用实现多层次存算一体架构和指令集的功能模拟及主流神经网络的快速性能评估。实验结果表明,针对不同规模的忆阻器阵列和深度神经网络,该评估方法相比MNSIM和DNN NeuroSim软件模拟器运行速度分别提升了40.0~252.9倍和194.7~234.2倍。     

基于优化神经网络的云计算环境下供应链伙伴选择

针对云计算环境下供应链伙伴的动态性,提出一种基于优化神经网络的云计算环境下供应链伙伴选择模型.首先构建计算环境下供应链伙伴评价指标体系,并采用层次分析法计算每一个指标的权值,然后采用神经网络对采集的企业评估训练样本进行学习,并采用遗传算法对神经网络参数进行优化价,建立企业综合评估模型,最后进行了仿真模拟实验.结果表明,本文模型可以准确描述供应链伙伴的动态性,能够对云计算环境下的供应链伙伴进行全面、公正的评价.     

遗传算法优化小波神经网络的网络流量预测

为了提高网络流量的预测精度,克服小波神经网络收敛速度慢、易陷入局部最优的缺点,提出一种遗传算法优化小波神经网络的网络流量预测模型.首先计算延迟时间和嵌入维数,构建小波神经网络的学习样本,然后采用小波神经网络对网络流训练集进行学习,并采用改进遗传算法对小波神经网络参数进行全局寻优,提高收敛速度和网络学习精度,最后采用网络流量数据对模型性能进行仿真分析.结果表明,相对于对比模型,本文模型的平均误差大幅度降低,训练次数急剧减,减小了二次优化训练的次数,具有更大的实际应用价值.     

基于贝叶斯网络的网构软件可信性评估模型

对于运行在开放、动态、难控的互联网环境的网构软件,其可信性评估是一个重要课题,但目前大量研究中可信性计算多是基于黑盒的,没有深入考虑系统结构,且评价指标过于单一.因此,提出了一个基于贝叶斯网络的网构软件可信性评估模型.该模型通过对网构软件进行结构分析,根据其结构模式,建立多层的网构软件可信性评估指标体系.基于贝叶斯网络采用自底向上逐层分析计算的方法,对网构软件的各组成实体及其系统整体的多方面可信性指标进行评估,形成统一的可信性结果,并使用客观数据对其进行修正.实验证明,该模型可以明确、客观地对网构软件的可信性进行评估,并能够对网构软件的设计、开发和部署提供帮助.     

基于RBF的模糊神经网络控制器设计与仿真分析

介绍一种基于RBF的模糊神经网络设计与仿真分析的实现方法。该方法利用MATLAB中的神经网络工具箱图形用户界面GUI结合模糊控制规则表给定的输入/输出样本数据设计、构建RBF模糊神经控制器,并在Simulink中建立系统仿真模型。通过对阶跃输入信号作用下系统动态性能的仿真分析,结果表明基于RBF的模糊神经控制器有良好的控制性能。     

FlexRay车载网络的神经网络模型参考控制

针对FlexRay车载网络控制系统的复杂性和非线性特点,有限的网络带宽资源会造成数据传输的不确定性和数据传输延时,使得FlexRay网络在高速传输数据时控制性能下降。利用神经网络具有的自学习、自适应和全局逼近的能力,本文以提高FlexRay车载网络控制性能为目的,提出以网络带宽利用率为参考模型的神经网络控制方法。首先对神经网络模型参考控制系统的结构进行分析,其次设计FlexRay车载网络的神经网络模型参考控制器,在负载的情况下,运用Matlab软件中的Simulink对控制器的性能进行仿真研究。仿真结果表明,该控制器能够有效地提高FlexRay车载网络控制性能,且对控制对象参数变化具有良好的适应性。       

BP神经网络在装备维修保障能力评估中的应用

文章介绍了神经网络的基本原理和方法,在系统分析装备维修保障能力的各种影响因素的基础上,构建了装备维修保障能力评估指标体系。接着详细设计了用于评估装备维修保障能力的神经网络模型,并利用Matlab仿真软件对结果进行了计算和分析。结果表明BP神经网络具有很强的解决复杂非线性问题的特点,适用于对装备保障固有能力的分析和评估。     

基于改进的Elman神经网络的网络流量预测

在Elman神经网络的基础上提出了改进的网络,根据实际网络中测量的网络流量数据,建立了基于Elman神经网络的流量模型,分别用Elman神经网络和改进的Elman神经网络对实际网络流量进行预测,仿真实验结果表明,改进的Elman神经网络具有良好的预测效果,改进的Elman神经网络具有更高的预测精度和更好的动态性能.