前馈多层神经网络BP算法与可靠性增长模型

本文叙述了可靠性增长和BP算法的基本概念,着重研究神经网络BP算法用于可靠性增长的预测方法。Gompertz模型是可靠性增长的一个很好的预测模型。本文引用文献中的多个实例,将BP算法预测结果与Gompertz模型预测结果相比较,结论基本上一致。这说明该方法不但可行,而且有简便、适应性强等独特优点。     

基于构件软件的可靠性通用模型

工作流管理的最终目的是实现适当的人在适当的时间执行适当的活动.企业要获得竞争力,需要在工作流模型中考虑与业务过程相关的时间约束.一个考虑时间因素的工作流模型,需要在投入运行前进行时间规范与验证,以保证工作流执行的时间协调.通过为工作流网元素扩展时间属性,得到集成业务过程时间约束的工作流模型??时间约束工作流网(TCWF-nets).基于对业务活动的可调度性分析,提出了时序一致性验证方法,确保工作流执行中活动之间时间交互的安全性.在所附加的时间约束下,该可调度分析方法不仅能够检测某一给定工作流调度的时间可行性,还能对特定的实例给出一个最优调度,使工作流执行延迟最小.研究结果表明,该方法支持业务过程的时间建模与分析,对于丰富现有工作流系统的时间管理功能以及增强现存工作流软件对动态业务环境的适应性具有重要意义.     

构件软件的可靠性估算模型

把基于构件的软件看作是一个Markov过程,为弥补以往忽视连接件作用的情况,针对过程中不同状态类型,构建出基于不同状态的构件和连接件使用频率计算模型。在此基础上,提出了整个基于构件的软件可靠性计算方法,并将其实例化。与传统的方法相比,该方法不仅提供了一种更精确分析软件可靠性的方法,而且拓宽了模型的应用范围。     

基于构件的Web应用框架

Web应用基础是以文档为中心,面向对象的成熟软件方法无法有效应用到Web应用的开发中.本文提出了一种多层次Web应用框架,抽象出了一个企业业务相关的用户框架层,使它可以同时支持文档和对象两类模型,有效地提高了复用度.最后从开发角度给出了一个合理的开发流程模型.     

优化前馈神经网络模型结构的统计分析方法

利用统计分析学的方法对神经网络结构的优化问题进行研究,在神经网络模型输出节点的输出误差具有正态分析的假设下,推导出网络结构信息准则ＮＳＩＣ,并利用主成分分析方法确定了网络的初始结构。仿真结果表明了这一算法的有效性。     

基于构件软件的可靠性通用模型及系统实现

本文给出了基于构件软件中的函数抽象,依据该抽象提出了基于构件软件的一个可靠性通用模型,并介绍了相应的可靠性分析原型系统的实现。通过此系统可以在软件开发的各个阶段对软件进行可靠性分析,实现基于构件软件开发全过程的可靠性跟踪和监控。     

基于外生连接子的Web构件模型

为提供一种适合于Web应用的构件模型,对当前已存在的构件模型和外生连接子的方法进行了研究.充分考虑到Web应用的特点,利用外生连接子方法的在封装和分离方面的优势,提出了一种适合于Web应用开发的基于外生连接子的Web构件模型.通过简单的Web应用实例,展示了基于该构件模型的系统构建方法,证明了该构件模型的可行性和有效性.     

一种基于ActiveX构件的Web应用系统开发模式

本文从分析对象模型入手,引出构件系统模型,并用构件系统模型的观点考察Ｗｅｂ应用系统,在此基础上,作为本文的重点,研究并提出一种基于ＡｃｔｉｖｅＸ构件的Ｗｅｂ应用系统开发模式,为进一步设计和实现这样一种开发环境起到了借鉴参考作用。     

基于传感器阵列与前馈神经网络的气体辨识系统

将气体传感器阵列与前馈神经网络模式识别技术相结合形成气体辨识技术相结合形成气体辨识系统,通过实验比较了不同的传感器信号预处理方法、前馈神经网络的结构和参数对气体辨识系统性能的影响,研究结果具有一定的工程应用价值。     

基于软构件的Web办公系统的设计与实现

该文对软构件进行了研究,提出了利用DSCIE（Distributed Software Component Integrated Environment）,即分布式软构件集成环境的框架开发Web办公系统的方法。Web办公系统通过.net技术来实现。并且基于这个框架成功开发出了铁路Web办公系统。     

一种基于离散马尔科夫模型的神经网络可靠性设计方法

本文给出了一和循环前馈神经网络来表示具有ｎ个状态的离莠马尔科夫模型,及其二次能量函数,并根据梯度下降规则,给出了相应的权值修改规则。利用该神经网络方法可以有效地对容错硬件进行可靠性设计。     

基于改进型神经网络的软件可靠性模型

针对传统软件可靠性模型需要分析软件体系结构的可行性问题,提出使用改进型神经网络计算可靠性的模型。采用自组织算法,优化设计隐含层神经网络,并使用测试数据训练网络,得到可靠性模型。实验结果证明,该模型能够在缺乏对软件内部结构分析的情况下作出与传统模型同样精确的预测。     

软件可靠性混沌神经网络模型

基于经验模态分解算法、混沌分析和神经网络理论提出了一种软件可靠性建模及预测的混沌神经网络模型。首先应用经验模态分解算法把软件失效数据序列分解成不同尺度的基本模态分量,并在此基础上进一步分析,表明软件失效数据是否存在混沌特性;再经神经网络进行组合预测,提高模型对目标函数的学习能力,有效提高预测精度;最后基于两组真实软件失效数据集,将所提出的方法与基于支持向量回归机以及单纯使用神经网络的软件可靠性预测模型进行比较分析。结果表明,基于混沌分析、结合经验模态分解和神经网络的软件可靠性预测模型具有更为显著的模型拟合能力与精确的预测效果。     

引用神经网络的变压器故障诊断专家系统

针对传统专家系统和神经网络在变压器故障诊断领域应用中的局限性,提出了将两者结合起来的集成的故障诊断系统,并介绍了系统的结构以及神经网络的构造。实践证明网络的学习时间明显缩短,推理效率明显提高。     

基于构件软件的可靠性分析技术—FTA

快速、高效是软件开发追逐的目标,集中体现软件复用思想的基于构件软件技术继面向对象技术后成为现今软件工程实践和研究的热点;软件所扮演的角色日趋关键,高效开发的同时更需要高可靠性的软件。论文所关注的就是针对开发设计阶段的基于构件软件,采用FTA技术,考虑等概率条件下的软件运行剖面,进行面向软件运行的可靠性分析,试图为软件的设计和测试提供更具有实际意义的反馈和指导,进而增强软件的可靠性。文章还介绍了基于这样的技术针对小型的基于构件软件进行的实证分析。     

基于神经网络的Web预测模型

Web预测模型是Web预取技术的核心,由于传统的基于PPM树的预测模型只考虑了用户的浏览序列,因此预测准确度较低。本文通过结合页面内容以及用户的兴趣来调整模型的输出,提出了基于神经网络的Web预测模型。实验表明,该模型能够在一定程度上提高预测的准确率。     

一种与人工神经网络结合的人工内分泌系统模型

人体的内分泌系统具有强大的自适应、自调节能力.在人体的内分泌系统中,甲状腺激素能使人类在紧急情况下产生异常迅速的反应,从而增加人类的生存概率.本文借鉴甲状腺激素的分泌,储存和释放机制,提出一种新的与人工神经网络结合的人工内分泌模型,称为TAES(Thyroid hormone inspired Artificial Endocrine System)模型.TAES模型可以增加控制系统对动态环境的适应性.本文将TAES模型应用于机器人避障实验中.实验结果表明,该系统可以增加机器人在紧急情况下的避障能力.     

Improved CBP Neural Network Model with Applications in Time Series Prediction

Circular back-propagation neural network (CBP) put forward by Sandro Ridella and Stefano Rovetta, a generalized model of multi-layer perceptron (MLP), possesses strong capabilities of generalization and adaptation to unknown inputs. And they can flexibly construct vector quantization (VQ) and radial basis function (RBF) networks under the CBP framework. With the original structure of CBP remaining unchanged, in this Letter a more generalized network model ICBP (Improved Circular Back-Propagation Neural Network) was designed by adding an extensive node with quadratic form to the original CBP inputs and endowing fixed values to the weights between this node and all the hidden nodes. An interesting property of ICBP is that although it has less adaptable weights, it is better in generalization and adaptability than CBP. Moreover, in order to partially solve the problem of local minima, we adopt the method of adding controlled noise to desired outputs. Finally, ithas been proved by experiments that ICBP is better than CBP in the capabilities of forecasting and function approximation.     

基于灰色神经网络的Web社区主题舆情传播模型

Web舆情传播的动态性,不确定性等特征给精确预测舆情传播带来困难．在分析了灰色理论系统的基础上,提出了灰色理论微分方程型模型（GM）和扩展BP神经网络的组合模型,该组合模型综合考虑了网络的结构和传播特性,首先建立灰色理论微分方程型模型,然后映射到扩展的BP神经网络中,通过训练数据来训练该神经网络,使网络具有传播预测能力．仿真实验表明,该组合模型在Web社区主题舆情传播预测精确性方面高于单一的GM模型．