一种基于遗传算法的社会网络移动模型

与传统的随机移动模型相比,本文提出的社会网络移动模型旨在生成更符合实际数据统计规律的移动场景。本文从进化的角度研究复杂行为产生的原因,提出了基于遗传算法的社会网络移动模型GAMM,使用“社会收益”与“移动开销”之比作为衡量节点运动轨迹环境适应性的准则,使复杂的移动特性在简单的进化过程中涌现出来。本文还提出探索者模型和交通工具模型来证明GAMM具有较高的扩展性,并通过一个网络仿真的实例来研究社会网络移动模型对移动自组织网络协议性能的影响。     

基于自组织竞争神经网络的智能交通相位控制

将神经网络与智能交通相结合,介绍了一种使用自组织竞争网络控制信号灯相位的方法,详述了其原理和实施方法,并且进行了仿真试验.试验结果表明:自组织竞争网络具有的模式分类特性可以根据当前交叉路口交通状况决定所应采取的控制机制.     

一种用于航空自组织网络的空间分级路由协议

为了解决现有移动自组织网络协议无法应用于航空自组织网络的问题,提出了一种空间分级路由协议(HSRP协议),该协议可根据飞行流量动态改变数据链路层HELLO信标更新的频率,同时具有空间半径动态修正的能力。实验表明,该协议与ZRP协议相比较,能够适应飞行器密度变化对路由协议的影响,具有较高的分组投递率、较低的路由控制开销和平均端到端时延,并能够很好地适应航空自组织网络的工作环境。     

平衡进化树自组织网络的设计与实现

在基本进化树算法的基础上,以Visual C++6.0为开发工具,采用改进过的频率敏感竞争学习(FSCL)算法来选择最佳匹配单元(best matching unit,BMU),然后逐级向上修改BMU父结点的权向量直至根结点,从而实现了对进化树的平衡.实验结果表明,该方法不仅大大提高了进化树算法的效率,还减少了聚类误差.     

一种车载自组织网络高效数据分发机制研究

提出了一种基于路边停放车辆辅助通信的高效数据分发机制,该机制将路边停放的车辆组织为簇,通过簇缓存并转发移动车辆节点的数据,从而有效地提高数据分发效率。仿真实验表明,该机制能够以较低的数据递交延迟获得较高的数据递交率。     

基于HMM和自组织映射的网络入侵检测算法

随着网络入侵多样化的发展,传统的防火墙、数据加密等防御方法已经很难保证系统和网络资源的安全,为此,设计了基于隐形马尔科夫模型HMM和自组织映射SOM的网络入侵检测方法。首先建立了自组织映射-HMM的双层入侵检测模型,采用样本数据训练SOM网,然后将测试数据输入SOM模型获得观察序列对应的攻击类别的后验概率,将此后验概率用于训练HMM模型获得概率初始分布和状态转移概率等各参数。最后,通过比较测试数据在各模型下发生概率的大小来获取对应的攻击类别。仿真实验表明本研究方法能有效实现网络入侵检测,较经典的HMM方法以及改进的神经网络方法,具有较高的检测率和较低的误报率,同时具有较少的检测时间。     

面向多跳无线自组织网络的安全信任模型

针对大规模无线自组织网络中可能存在的自私节点问题以及恶意节点问题,提出一种基于贝叶斯理论的安全信任模型BTM(Bayesian-based trust model)。在BTM模型中,节点通过对邻近节点的自私或者有害行为进行监测,基于贝叶斯理论对这些直接观测数据进行分析,得到间接判定数据;然后通过节点间间接判定数据的进一步贝叶斯处理,得到节点的信任度,基于此信任度可对网络中的不良节点进行判定。仿真结果表明:BTM算法可对无线网络中的恶意攻击节点、自私节点进行较为准确的判定,能够为网络入侵检测系统、安全路由协议提供有效支持,从而有效提高多跳无线自组织网络的安全性,具有较高的实用价值。     

基于自组织网络的货郎担问题解决方案

货郎担问题（Traveling Salesman Problem，TSP）作为组合数学中的经典问题，具有一定的研究价值．首先陈述了基于自组织网络（Self-Organizing Maps，SOM）的TSP问题的解决方案，然后着重分析为什么SOM网络能够体现这样的计算智能，并探讨了如何将其应用到其它的优化问题当中．     

一种运行轨迹驱动的移动自组织网络路由算法

在移动自组织网络(MANETs)中常见路由算法的基础上,如单副本路由和泛洪路由,提出了一种基于轨迹相似度的单副本路由算法.针对单副本路由和泛洪路由中存在的问题,如单副本路由中的大传输延迟、泛洪路由中的过量网络资源消耗及由此导致的数据丢失,提出了基于历史轨迹记录相似度的多副本路由算法.通过仿真实验,对所提算法在转发成功率、转发延时及转发次数等性能参数方面进行了评估.实验结果表明,与现有的路由算法相比,所提出的算法具有更好的性能表现,达到了预期的设计目标.     

一种高效处理三维信号的自组织映射算法

针对传统自组织映射算法难以实现三维信号的非线性映射问题,提出三维自组织映射算法。采用二维输入层和三维输出层的神经网络结构,将邻域算法、竞争算法、学习算法和初始化算法的三维自组织映射算法应用于三维立体图像压缩编码。仿真实验表明,三维自组织映射算法的重构图像具有较好的峰值信噪比和主观品质。     

A New Combined Neural Network Model

This paper discusses the principle structures,learning algorithms and approximating abili-ties of two typical classes of neural networks models:BP and CMAC,presents the architectureand foundation of a new kind of Combined Neural Network(CNN)which uses the output of aCMAC neural network as a BP’s additional input node.And the corresponding learning algorithmis obtained by backpropagating the approximating error in the output layer through eachhidden layer to the input nodes as well.Comparisons in terms of converge speed andapproximating ability are made among BP,CMAC and CNN.Simulations suggest that the CNNhas the advantages of fast learning speed and good generalizability ability.     

一种用于模式识别的新型神经网络模型

双向联想记忆（BAM）网络和BP网络是两种重要的神经网络模型，研究结果表明将BAM网络的输入用40％的噪声污染，这种网络仍然可以实现正确联想，另一方面BAM网络有一个严重的缺点就是它无法实现数据压缩，而BP网络却恰恰能够很好地实现数据压缩，但它的容错性不好。本文同时从识别率和节省存储空间两方面出发，提出了一种BAM-BP神经网络模型。该模型具有容错性好、识别率高、简单等优点。     

系统云灰色模型的人工神经网络建模

利用人工神经网络的方法实现系统云灰色模型的参数白化，提出了系统云灰色神经网络模型SCGNNM(1，1)，并给出了相应的学习算法。仿真结果证明了模型的可行性。     

用于风电功率预测的RPCL优化神经网络模型

为了提高风电功率预测的准确度,提出了一种基于对手竞争惩罚学习算法( rival penalized competitive learning,RPCL)优化径向基函数( radial basis function,RBF)神经网络的风电功率预测模型。首先通过RPCL确定网络隐含层神经元数目以及中心点初始值,然后由K均值聚类法确定隐含层神经元的中心点和宽度,最后通过最小均值算法确定隐含层神经元与输出层神经元之间的权值。仿真结果表明：此优化模型相较于传统RBF网络具有更高的准确性。     

神经网络在汉语TTS韵律模型的应用

从计算机技术发展来以，语音合成技术（TEXT TO SPEECH）也随之得到迅速发展，本文讲述了汉语TTS的三部分组成，及神经网络在汉语TTS韵律模型中的应用。     

模糊神经网络竞争学习算法及在加速度表动态测试中的应用

加速度表是飞行器的重要传感器之一,使用前需进行动态测试、误差分离和补偿。而这些有赖于加速度表的模型。由于漂移、耦合等不确定因素,致使难以建立加速度表的准确模型,提出用模糊神经网络作为加速度表的建模手段,并通过把模糊神经网络的学习过程转化为竞争聚类和最小二乘优化,提出了一种基于竞争聚类的模糊神经网络学习算法,在某导弹加速度表上的实物实验对这一方法进行了较好的验证。     

砂土液化判别的人工神经网络方法

应用人工神经网络原理，根据地震液化的实测资料，建立了 ８个因素综合考虑的预测砂土液化的ＢＰ神经网络模型．通过实例计算与模型评价，验证了该模型的科学性、高效性并较规范法具有更高的预测精度，不仅为砂土液化提供了又一新的研究方法，而且为进一步完善规范公式提出了建议．     

两种灰色神经网络模型及应用

给出了2种灰色神经网络模型GNNM（1，1）和GNNM（2，1），该模型具有灰色系统的少数据建模优点及神经网络的精度可控特性，并给出了相应的学习算法，然后通过示例说明模型的可行性。     

基于C-LSTM的短期用电预测模型和应用

基于深度学习下的长短期记忆循环神经网络对家庭短期用电预测进行研究.本研究引入卷积神经网络(convolutional neural network,CNN)和长短期记忆(long short term memory,LSTM)模型结合的混合深度神经网络模型C-LSTM,并在此模型基础上提出多步预测策略.根据对5个真实家...     

Novel Sequential Neural Network Learning Algorithm for Function Approximation

A novel sequential neural network learning algorithm for function approximation is presented. The multi-step-ahead output predictor of the stochastic time series is introduced to the growing and pruning network for constructing network structure. And the network parameters are adjusted by the proportional differential filter （PDF） rather than EKF when the network growing criteria are not met. Experimental results show that the proposed algorithm can obtain a more compact network along with a smaller error in mean square sense than other typical sequential learning algorithms.