动态复杂供需网络局域演化模型的研究

为了深入理解供需网络的演化规律,研究了已有的复杂网络演化模型刻画供需网络生长过程的不足,提出了以星型网络表示初始网络,在局域世界中选择新增节点的连接节点,局域世界的选取,采用了依据节点之间的网络路径值作为选取局域世界的原则,同时定义了局域世界的规模动态增长,从而建立了复杂供需网络的动态演化模型,并给出了生成模型的算法。该模型在考虑网络动态增长的同时,也考虑到网络内部边的动态演化以及节点的退出,这与现实情况相吻合,因此更细致、真实地刻画了供需网络的动态演化特性。仿真结果表明,该模型所生成的网络模型具有无标度特性和小世界性。     

时序网络演化速度对传播的影响分析

为分析时序网络演化速度对传播过程的影响,通过改进已有的时序相关系数定义,给出了一个网络演化速度指标;同时,提出了一个具有非马尔可夫性质的时序网络演化模型。在每个时间步,每一个给定的激活节点都以概率r在网络中随机选择一个节点,以概率1-r在该激活节点的原邻居中随机选择一个节点,并在该激活节点与所选节点间建立连边。模拟结果表明：网络模型参数r与网络演化速度指标之间有单调增的关系;同时,激活节点随机连边的概率r越大,网络传播范围就越广。由此可知:演化速度快的时序网络有利于网络传播;进一步地,网络拓扑结构的快速变化有利于信息的快速传播,但不利于抑制病毒传播。     

基于时变差别适应度的网络演化模型

将节点适应度的时变性和差异性抽象为时变差别适应度,在适应度模型的基础上,提出一种改进的网络演化模型。网络中新加入的节点趋向于连接节点入度大及感兴趣的节点,节点在演化过程中会随时与其他节点进行连接和断开。基于此,综合优先连接、随机加边、随机减边、节点互粉等机制实现网络演化。通过仿真分析节点的时变性和差异性对网络演化的影响,结果表明,该模型生成的网络度分布呈幂律分布,具有小世界现象,且与真实网络拟合度较高,验证了模型的正确性和有效性。     

基于共同邻居的点权有限BBV模型研究

具有相似的小世界和无标度全局结构特征的网络却可能具有不同的局部结构特征。特定实际网络的局部结构特征对网络演化具有重要的影响。在集团度和点权有限网络模型的基础上,基于节点共同邻居驱动的思想,构造了一种新的符合实际加权网络演化的模型CNL。电子邮件网络实证研究显示,该模型生成的网络规模与实际吻合,且能够重现实证研究所观察到的幂律集团度分布,CNL揭示了大量真实网络演化生长的重要机理,可以广泛用于真实网络演化分析。     

面向节点演化波动的社会网络事件检测方法

社会网络特征千差万别,演化规律错综复杂.合理地分析网络演化规律,及时地检测网络事件具有重大意义.基于链路预测的社会网络事件检测方法利用有限的网络拓扑信息,能够有效地发现网络演化的异常波动,准确地检测网络事件.然而,现有方法大多受到链路预测的宏观评价指标的限制,忽略了不同节点演化波动的差异,用相同的相似性计算指标去描述所有节点的演化波动,不利于提升事件检测的表现.为了进一步提升事件检测的精确性和敏感性,提出一种面向节点演化波动的社会网络事件检测方法NodeED,由节点相似性计算指标判定算法SimJudge和网络微观演化波动检测算法MicroFluc组成.主要工作如下：（1）结合粒子群优化算法,提出SimJudge定量地比较不同的相似性计算指标对节点演化波动的描述程度,确定每个节点在不同时段的最佳相似性计算指标;（2）为了量化事件对网络演化的影响,提出了MicroFluc,充分考虑节点演化波动的差异,从节点演化波动的角度对不同时段的网络整体演化波动进行定量评估;（3）在真实社会网络VAST和ENRON中进行对比实验,其结果表明,NodeED在VAST中的事件敏感性提升了100%,在ENRON中的事件敏感性提升了50%,更有利于精确地检测社会网络中发生的事件.     

无线传感器网络移动Agent的应用

节点计算模式对网络性能影响很大。移动Agent计算模式在下一代网络中具有广阔应用前景。该文分析了移动Agent在无线传感器网络中的应用背景。从网络和节点两个层面提出一种基于移动Agent的传感器网络框架模型,阐述了模型组成、功能定义和交互接口等。给出一种基于定向扩散的移动Agent机制实现方法,并对其特点进行了分析和讨论。     

边效益因素下复杂供应链网络局域演化机制

针对一般复杂网络演化模型中节点连接测度不能很好地描述复杂供应链网络特性的局限性,将节点企业间的合作所带来的边效益引入复杂供应链网络的演化模型中,采用节点度与边效益作为节点择优连接的综合测度指标,构建了复杂供应链网络的局域演化模型与算法。然后通过仿真,并与有关文献的复杂网络演化模型进行对比,分析了复杂供应链网络的增长性、边退化性与节点消失性,说明该模型具有高聚集系数、较低平均路径长度、无标度性、小世界特性,而且很好地解释了现实供应链网络在不同时期的演化机制问题,同时给出了经济学解释,这有助于更好地分析现实供应链网络的相关特性。     

基于节点免疫策略的装备保障网络级联失效模型

针对实际装备保障网络中各保障实体均具备智能性的特点,在传统复杂网络的“负荷-容量”级联失效模型基础上,结合Agent建模仿真方法,建立了装备保障网络遭受攻击后的“故障-传播-修复-免疫”级联失效模型。将载荷重分配范围内的节点划分为四类,完好节点、传播节点、恢复节点和免疫节点,其中免疫节点是指节点修复后一定概率获得攻击免疫功能,模拟真实保障实体在得到协同保障进行修复后,在自身学习能力下一定概率躲避再次攻击的能力。最后通过解析计算与模型仿真,分析了改进模型在随机保障、定点保障和伴随保障三种保障模式对应的随机免疫、目标免疫和主动免疫策略下,保障网络中节点的演化关系,证明了模型的合理性和有效性。     

无线传感器网络节点的状态分析及Agent建模

为独立于内部结构和具体实现来理解和分析无线传感器网络节点的自治工作机制,分析了无线传感器网络节点的各种工作状态和自组织特性,建立了一种面向无线传感器网络节点的Agent类元模型。该元模型在Agent BDI模型基础上,扩展AUML Agent类图,引入符合无线传感器网络特性的Mental、Role和Protocol等模型元素来描述无线传感器网络节点的静态结构。实例分析表明,结合节点工作状态,Agent类元模型为无线传感器网络节点体系的研究提供了良好的可视化建模基础和分析工具。     

Ad Hoc网络环境中避免虫洞攻击的路由算法

根据Ad Hoc网络环境中虫洞攻击的特点,提出了一种基于移动Agent的路由算法。移动Agent在网络中根据一定的运行策略进行移动,并不断地和所经历的节点进行数据交换,由此了解网络中所有节点的路由连接信息,在此基础上形成一个节点信息矩阵表,并根据所形成的矩阵表,采用图论中的广度优先搜索算法来决定数据报文的最佳传输路径,同时产生若干条备用路径,快速地发送数据报文。仿真实验结果表明,由于各节点通过矩阵表可以充分了解网络中每个节点的地理位置,因此可以很好地抵御虫洞的攻击;同时由于仅使用很少的Agent便获得较多的全局信息,因此可以大大地减少维持节点信息而产生的开销,具有很高的效率和鲁棒性。     

基于神经网络模型的产品属性情感分析

针对基于词向量的神经网络模型在产品属性情感分析中效果不佳的问题,提出一种集成离散特征和词向量特征的开关递归神经网络模型。首先,通过直接循环图为语句建模,采用开关递归神经网络模型完成产品属性情感分析任务;然后,在开关递归神经网络模型中集成离散特征和词向量特征;最后,分别在流水线、联合、折叠三种任务模型中完成属性提取和情感分析任务。以宏观F1分数作为评估指标,在SemEval-2014的笔记本电脑和餐馆评论数据集上做实验。开关递归神经网络模型的F1分数为：48.21%和62.19%,超过普通递归神经网络模型近1.5个百分点,因而开关递归神经网络能够有效捕获复杂特征,提升产品属性情感分析的效果。而集成离散特征和词向量特征的神经网络模型的F1分数为：49.26%和63.31%,均超过基线结果0.5到1个百分点,表明离散特征和词向量特征互相促进,另一方面,也表明仅仅基于词向量的神经网络模型仍有提升空间。三种任务模型中,流水线模型的F1分数最高,表明应将属性提取和情感分析任务分开完成。     

Evolving networks： from topology to dynamics

A multi-local-world model is introduced to describe the evolving networks that have a localization property such as the Intemet. Based on this model, we show that the traffic load defined by “betweenness centrality” on the multi-local-world scale-flee networks‘ model also follows a power law form. In this kind of network, a few vertices have heavier loads and so play more important roles than the others in the network.     

无尺度网络的数据包传输元胞自动机模型研究*

为了更真实地模拟网络行为,提出了一种基于无尺度网络的数据包传输元胞自动机模型,模型中通过增加缓存队列大小和提高中心节点的处理速度来减少丢包数,提高网络性能。仿真结果表明,在元胞交互规则的作用下,数据包发送速率,缓存队列大小和丢包数在时间序列上都具有自相似特性,自相似程度呈现负相关;它们在时间序列上是长程相关的,在功率谱图中都具有幂律分布特性,在高频段呈现出白噪声特性。     

银行账户交易复杂网络特性分析

首先基于银行账户交易的特点，建立了一个有向加权的银行账户交易网络通用模型。进而，根据复杂网络的定义，从网络结构和节点2个层面，验证了交易网络的复杂网络特性。其中，网络结构特性包括静态特性（即无标度特性和小世界特性）和动态演化特性（即自组织特性）。此外，使用吸引子特性验证了复杂网络节点的动力学特征。分析包含非法传销交易的真实银行交易数据，得出如下结论：该网络具有无标度特性、小世界特性、部分自组织特性和奇异吸引子。     

A study on neural networks

The Hopfield neural network is a mathematical model in which each neuron performs a threshold logic function. an important property of the model is that a neural network always converges to a stable state when operating in a serial mode. This property is the basis of potential applications of neural networks such as associative memory devices, computational models, etc. This article reviews some of the known properties of the model and presents some new results regarding its possible applications. the principal contributions which are developed in this article are:

• (1) Showing that a very large class of mappings are not feasible by neural nets, in particular mappings which contain spheres, e.g., Hamming codes.
• (2) Showing that the neural network model can be designed to perform a local search algorithm for the Directed Min Cut problem.
• (3) Exploring the term “capacity of the neural network model” and criticizing some results known in the literature.
• (4) Showing the limitations of the model for its use as a pattern recognizer by proving that all images with a single black point can be recognized by the network iff the network is fully connected.

     

On Discriminative Bayesian Network Classifiers and Logistic Regression

Discriminative learning of the parameters in the naive Bayes model is known to be equivalent to a logistic regression problem. Here we show that the same fact holds for much more general Bayesian network models, as long as the corresponding network structure satisfies a certain graph-theoretic property. The property holds for naive Bayes but also for more complex structures such as tree-augmented naive Bayes (TAN) as well as for mixed diagnostic-discriminative structures. Our results imply that for networks satisfying our property, the conditional likelihood cannot have local maxima so that the global maximum can be found by simple local optimization methods. We also show that if this property does not hold, then in general the conditional likelihood can have local, non-global maxima. We illustrate our theoretical results by empirical experiments with local optimization in a conditional naive Bayes model. Furthermore, we provide a heuristic strategy for pruning the number of parameters and relevant features in such models. For many data sets, we obtain good results with heavily pruned submodels containing many fewer parameters than the original naive Bayes model.Editors: Pedro Larrañaga, Jose A. Lozano, Jose M. Peña and Iñaki Inza     

基于复杂网络的封闭小区交通开放策略探究

封闭小区降低了城市路网密度和可达性,如何开放封闭小区成为一个热点问题.本文对若干中国大型城市的道路网络进行实证研究,发现这些网络的度分布具有无标度性质.基于此性质提出了一个适用于封闭小区开放问题的城市道路复杂网络模型.该模型使得城市道路网络包含小区路网,且道路信息易于查询与筛选,这有利于制定并比较不同的小区开放策略.利用该模型,研究了网络效率的计算和相继故障过程的建模问题,以比较不同的开放策略对城市路网的影响.最后,针对效率和稳定性两个因子,分析城市道路网络的优化特征.结果表明,开放位于非中心地区的小区,开放程度最大,新开交叉口位于连接数不多的道路时,网络效率及稳定性最佳.     

水处理过程的RBF和BP神经网络建模

针对水处理过程非线性、时变和大滞后的特点，本文采用RBF和BP神经网络分别建立了水处理过程模型，利用水厂实际运行数据对两个模型分别进行了训练和检验。与BP神经网络模型相比，RBF神经网络模型具有逼近能力强、收敛速度快等优点。该模型可以实现对水处理过程的在线辨识，并可进一步用于该过程的神经网络预测控制。     

多重分形下不同网络流量的合成模型

实际网络流量具有明显的分形特性,流量的多重分形特性对网络性能有着非常重要的影响,建立一个基于多重分形特性的实际流量的合成业务模型很有必要。利用小波变换能够去除实际流量相关性的特点,结合实际研究的过程中所发现的不同类型的流量具有不同的分形特性的结论,建立新的合成模型,提高合成流量的精度。同时,通过对合成后的流量进行尺度刻画和性能评价,验证了新模型的正确性。     

改进的弹性网模型在深度神经网络中的应用

由于具有较高的模型复杂度，深层神经网络容易产生过拟合问题，为了减少该问题对网络性能的不利影响，提出一种基于改进的弹性网模型的深度学习优化方法。首先，考虑到变量之间的相关性，对弹性网模型中的L1范数的不同变量进行自适应加权，从而得到L2范数与自适应加权的L1范数的线性组合。其次，将改进的弹性网络模型与深度学习的优化模型相结合，给出在这种新正则项约束下求解神经网络参数的过程。然后，推导出改进的弹性网模型在神经网络优化中具有群组选择能力和Oracle性质，进而从理论上保证该模型是一种更加鲁棒的正则化方法。最后，在多个回归问题和分类问题的实验中，相对于L1、L2和弹性网正则项，该方法的回归测试误差可分别平均降低87.09、88.54和47.02，分类测试准确度可分别平均提高3.98、2.92和3.58个百分点。由此，在理论和实验两方面验证了改进的弹性网模型可以有效地增强深层神经网络的泛化能力，提升优化算法的性能，解决深度学习的过拟合问题。