基于CSPN的使用控制证书模型可靠性研究

使用控制是下一代数字资源的使用保护技术,是未来网络安全的基础。可靠性理论是基于运用概率统计和运筹学的理论方法,该理论能够对系统的可靠性作定量分析。稳定的可靠性指标对于使用控制模型应用于现实信息系统的安全访问控制具有重要意义,使用控制模型的可靠性分析是目前迫切需要解决的一个问题。该文从模型性能分析的角度定义了证书模型的策略规则,给出证书模型的着色随机Petri网表示方法,利用着色随机Petri网把变迁性能变量引入到使用控制证书模型的形式化描述中,并给出使用控制授权过程可靠性分析方法。     

基于Petri网的网络学习流程模型研究

网络学习流程是一个学习流程业务过程的全部或部分自动执行。通过分析现实世界学习流程业务过程,提出了一套符合教学活动特性和要求的、针对网络学习的学习流程摔制模型,并采用Petri网对其进行动态建模。文中详细论述了学习活动中各环节的相互协作关系,并使其在ELS网络学习平台中得以具体实现。     

基于消息中间件的网络学习流程模型研究

网络学习流程是一个学习流程业务过程的全部或部分自动执行。通过分析现实世界学习流程业务过程提出了一套基于消息中间件,符合教学活动特性和要求的、针对网络学习的学习流程控制模型,并采用Petri网对其进行动态建模。详细论述了学习活动中各环节的相互协作关系,并使其在ELS网络学习平台中得以具体实现。     

基于权值学习的FPN攻击模型研究

本文利用模糊Petri网固有的鲜明特点,及其应用到攻击模型中权值参数确定的困难性,和Levenberg-Mar-quardt算法是一种非常有效的非线性优化方法。且收敛速度快。本文结合神经网络的Levenberg-Marquardt反向传播学习算法对权值进行学习。同时利用FPN本身的触发规则进行模糊推理。最后,通过攻击实例验证算法。     

基于着色Petri网的组织知识流建模研究

为了研究组织知识生命周期中,隐性知识流和显性知识流的异步并发过程以及知识流的分布和流动状况,文中从知识流与着色Petri网基本概念出发,采用着色Petri网以不同颜色的托肯表示不同类型的知识,构建了基于组织知识生命周期的知识流模型。运用CPN Tools软件对模型进行仿真分析,重点对Petri网中各节点的有界性和活性进行分析。研究得出模型中各库所都有界,同时存在一个死标识,并不存在死变迁,从而便于组织更清晰地获知不同类型知识的分布与流动状况,为提高组织知识流管理效率提供了理论基础。     

CAD系统事务的代理模型

在研究以往的几种事务模型的基础上，着眼于CAD系统的并发性和一致性，提出了一种基于CPN的事务代理模型，并详细研究了代理的功能实现；分析了该模型对CAD系统的影响；最后给出了模型的应用实例。CAD系统事务代理模型的提出，为构造高度并发性和一致性的CAD系统打下了基础。     

基于对象着色Petri网的UML模型研究

UML广泛应用于软件建模，但缺乏有效的模型检测的方法，使用形式化方法对UML模型进行分析，可以发现UML模型的设计问题，提高UML模型的质量。对象着色Petri网是一种拥有接口库所的模块化着色Petri网，既是一种图形化建模工具，又是具有严格的语法语义定义的形式化方法。通过引入事件托肯，改进了将UML模型转换为对象着色Petri网的方法，结合实例将UML状态图和协作图映射为对象着色Petri网模型。并用着色Petri网的方法和工具对模型讲行了分析．验证了模型的一系列性质．     

基于着色Petri网的工作流模型研究

针对传统Petri网建模方法的不足,研究了通过资源结构建模的工作流建模方法.在着色Petri网的基础上提出资源/任务网(R/T-net),并给出基于R/T-net的工作流建模过程.R/T模型能够有效地实现产品数据结构和过程结构的统一,资源流对任务流的控制以及模型的仿真.     

基于Petri网的统一知识表示模型

本文讨论知识表示的Ｐｅｔｒｉ网模型。将多种知识分类表示，对于开发具有较宽领域知识的系统具有重要意义。本文从统一的观点出发，在给出了Ｐｅｔｒｉ网的代数规范说明后，将三种主要的知识表示方法分别与Ｐｅｔｒｉ网模型之间建立映射系统，这三种知识表示方法为：逻辑表示法，语义网络和产生式系统。     

混合式应用共享机制模型的研究

应用共享技术是计算机支持协同工作(CSCW)系统中支持同步协作的关键技术之一．本文通过对应用共享机制的分析，给出了混合式应用共享机制的结构模型，并利用着色Petri网技术建立混合式应用共享的CPN模型．最后，文章还给出了一个模型的实现例子．     

基于Petri网的知识空间建模方法与学习路径控制

对学生学习路径的控制和学习状态的了解在自主学习系统中是一个重要的问题,以知识空间理论为基础建立了学习状态空间,并通过Petri网对该学习状态空间进行了建模,利用Petri网实现了学习状态空间中所有可能的学习路径控制和学生学习状态的了解,在此模型中学生可以利用Petri网的变迁实现自由的学习控制,并通过Petri网库所标识来了解学生的学习状态,达到个性化学习路径的目的。     

Incremental online sparsification for model learning in real-time robot control

For many applications such as compliant, accurate robot tracking control, dynamics models learned from data can help to achieve both compliant control performance as well as high tracking quality. Online learning of these dynamics models allows the robot controller to adapt itself to changes in the dynamics (e.g., due to time-variant nonlinearities or unforeseen loads). However, online learning in real-time applications - as required in control - cannot be realized by straightforward usage of off-the-shelf machine learning methods such as Gaussian process regression or support vector regression. In this paper, we propose a framework for online, incremental sparsification with a fixed budget designed for fast real-time model learning. The proposed approach employs a sparsification method based on an independence measure. In combination with an incremental learning approach such as incremental Gaussian process regression, we obtain a model approximation method which is applicable in real-time online learning. It exhibits competitive learning accuracy when compared with standard regression techniques. Implementation on a real Barrett WAM robot demonstrates the applicability of the approach in real-time online model learning for real world systems.     

Consciousness-driven reinforcement learning: An online learning control framework

As a powerful tool for solving nonlinear complex system control problems, the model-free reinforcement learning hardly guarantees system stability in the early stage of learning, especially with high complicity learning components applied. In this paper, a reinforcement learning framework imitating many cognitive mechanisms of brain such as attention, competition, and integration is proposed to realize sample-efficient self-stabilized online learning control. Inspired by the generation of consciousness in human brain, multiple actors that work either competitively for best interaction results or cooperatively for more accurate modeling and predictions were applied. A deep reinforcement learning implementation for challenging control tasks and a real-time control implementation of the proposed framework are respectively given to demonstrate the high sample efficiency and the capability of maintaining system stability in the online learning process without requiring an initial admissible control.     

基于Web的智能教学系统知识模型与学习控制

目前,基于Web的智能教学系统是计算机应用于教育领域的研究方向之一。其中教学知识模型和基于模型的学,控制,是实现教学系统智能控制的关键之一。从知识点及其关系出发构建一个知识网络模型,并基于该模型探讨了正向和反向两种推理控制策略。     

Analysis of assembly operations’ difficulty using enhanced expert high-level colored fuzzy Petri net model

Majority of the products can be assembled in several ways that means the same final product can be realized by different sequences of assembly operations. Different degree of difficulty is associated with each sequence of assembly operation and such difficulties are caused by the different mechanical constraints forced by the different sequences of operations. In the past, few notable attempts have been made to represent and enumerate the degree of difficulty associated with an assembly sequence (in the form of triangular fuzzy number) by using the concept of assembly graph. However, such representation schemes do not possess the capabilities to model the user's reasoning and preferences. In this research, an intelligent Petri net model that combines the abilities of modelling, planning and performance evaluation for assembly operation is presented. This modelling tool can represent the issues concerning degree of difficulty associated with assembly sequences. The proposed mechanism is enhanced expert high-level colored fuzzy Petri net (EEHLCFPN) that is a hybrid of knowledge-based system and colored Petri net. An example encompassing assembly of subassemblies is considered to efficiently delineate the modelling capabilities of proposed hybrid petri net model.     

Latent variable iterative learning model predictive control for multivariable control of batch processes

A latent variable iterative learning model predictive control (LV-ILMPC) method is presented for trajectory tracking in batch processes. Different from the iterative learning model predictive control (ILMPC) model built from the original variable space, LV-ILMPC develops a latent variable model based on dynamic partial least squares (DyPLS) to capture the dominant features of each batch. In each latent variable space, we use a state–space model to describe the dynamic characteristics of the internal model, and an LV-ILMPC controller is designed. Each LV-ILMPC controller tracks the set points of the current batch projection in the corresponding latent variable space, and the optimal control law is determined and the persistent process disturbances is rejected along both time and batch horizons. The proposed LV-ILMPC formulation is based on general LV-MPC and incorporates an iterative learning function into LV-MPC. In addition, the real physical input that drives the process can be reconstructed from the latent variable space. Therefore, this algorithm is particularly suitable for multiple-input, multiple-output (MIMO) systems with strong coupling and serious collinearity. Three studies are used to illustrate the effectiveness of the proposed LV-ILMPC .     

基于迭代学习与模型预测控制的交通信号混合控制方法

针对基于迭代学习控制的交通信号控制方法对于路网中存在的非重复性实时干扰不能进行有效处理的问题,本文在基于迭代学习控制的交通信号控制方法基础上,结合模型预测控制滚动优化和实时校正的特点,提出了一种基于迭代学习与模型预测控制的交通信号混合控制方法.该方法在有效利用交通流周期性特征改善路网交通状况的同时,可借助模型预测控制的...     

基于对象着色Petri网的UML模型研究

UML广泛应用于软件建模,但缺乏有效的模型检测的方法,使用形式化方法对UML模型进行分析,可以发现UML模型的设计问题,提高UML模型的质量。对象着色Petri网是一种拥有接口库所的模块化着色Petri网,既是一种图形化建模工具,又是具有严格的语法语义定义的形式化方法。通过引入事件托肯,改进了将UML模型转换为对象着色Petri网的方法,结合实例将UML状态图和协作图映射为对象着色Petri网模型。并用着色Petri网的方法和工具对模型进行了分析,验证了模型的一系列性质。     

基于双枝模糊逻辑和模糊着色Petri网的攻击模型

定义了一种基于双枝模糊逻辑和模糊着色Petri网的网络攻击模型, 从对攻击起促进和抑制作用这两方面对网络攻击进行综合考虑与分析, 同时对模糊规则库中的不同变量用不同的颜色来区分, 因此可构成一个简明的BBFCPN模型。在此基础上, 给出了BBFCPN模型的基本推理规则和推理算法。针对攻击实例的分析进一步验证了提出的模型及相关推理算法。     

进路建立过程的时间有色petri网建模与仿真

计算机联锁软件作为计算机联锁系统的核心主控软件,可靠性和安全性需建立在好的安全模型之上,提出了采用时间有色Petri网对进路建立的具体过程进行形式化建模,时间戳可以得知联锁设备的精确动作时刻以及操作持续时间,通过CPN Tools进行编辑和仿真,以VC++6.0为开发环境完成代码编写进行验证,体现时间有色Petri网描述联锁系统逻辑和性能特性的特点,以便在软件开发初期尽早发现系统的设计错误或缺陷,突出采用时间有色Petri网建模的可靠性和安全性。