自适应网络课程的构建

网络课程的广泛应用要求网络课程的构建具备以学习者为中心的自适应性。通过分析网络课程应用中存在的问题,研究网络课程自适应性的体现,提出了《多媒体技术》自适应网络课程的构建,并通过问卷调查比较传统网络课程与自适应网络课程的应用情况,验证了自适应网络课程的有效性,为网络课程的构建提供了行之有效的方案。     

基于贝叶斯网络的自适应学生模型的研究

首先介绍了贝叶斯网络的基础理论,贝叶斯网络是目前不确定知识表达和推理领域最有效的理论模型之一。适用于不确定性和概率性的知识表达和推理。接着介绍了自适应学生模型的概念和理论,然后运用贝叶斯网络构建了一个自适应性学生模型,并对贝叶斯网络学生模型的知识表达方法进行了研究,最后举例说明这个理论的可行性。基于贝叶斯网络构建的适应性学生模型能够有效地提供适应性的网络教学资源,从而有助于实现网络教学平台的适应性学习。     

基于动态蚁群规模的优化路由算法

针对移动Ad Hoc网络,提出了一种可以可控制蚁群规模的自适应蚁群路由算法,通过在网络节点配置蚂蚁数目控制表来控制"网络蚂蚁"的数目。该算法能提高蚁群算法的自适应性,自动调节网络的负载平衡。网络仿真试验结果表明,该算法具有良好的收敛性和求解效果。     

基于P2P网络的网构软件自适应性研究

P2P的网络环境具有网络的开放性、动态性和多变性,同时增强了网络的可控性,它提供了一种在大规模异构环境下进行资源共享的有效途径,可以降低网构软件自治和演化的难度.提出了建立在P2P网络拓扑结构上的网构软件模型,模型包括用来描述软件的系统架构、控制集合以及自适应构件库.网构软件的自适应性主要通过控制集合和构件库的共同作用来实现.自适应构件库通过引入构件副本、构件复用形式以及构件副本测试状态等概念来增强网构软件模型的自适应性.在P2P网络中每个Peer的本地都维护着一个本地构件库,而网络构件库是一个逻辑上集中、物理上分布的构件库系统,由分布在P2P网络中的符合构件接口的所有构件副本组成.     

基于虚拟运动神经网络的六足机器人行为控制

为了使腿足机器人适应性和行为能力提高,提出基于虚拟运动神经网络的六足机器人行为控制策略. 通过模拟生物神经?肌肉控制机制构建的腿足机器人行为运动神经控制架构,能够处理外部环境信息,调节神经信号强度,获得类似动物的信号处理和行为反应机制,实现机器人对环境的快速响应、机身与腿部的自适应调节. 实验结果表明,所提架构能够随环境变化自动调节神经信号强度,验证了机器人极强的环境自适应性和行为多样性.     

基于课堂的网络协作教学模式探讨——以计算机文化基础为例

文章在介绍网络协作学习理论的同时,以“计算机文件基础”课程为例,对基于课堂的网络协作教学模式进行了探讨。通过应用Eduprisc数据库技术,构建了网络协作教学支撑平台,实行了立体化的教学资源共享。通过教学实践表明,这种新型教学模式不仅能进一步提高课程的教学质量,还有助于促进人才培养模式的改革。     

FOXPRO环境下数据库应用系统自适应的实现

开发环境的改变要求数据库应用系统具有自适应性，自适应实现的关键是应用程序的重组性。     

电子组装基础网络课程的设计及实现

电子组装基础是一门研究电子组装技术、设备等内容的基础性课程,该课程知识面宽、知识点新、查找资料困难.电子组装基础网络课程应用多媒体技术和网络技术构建了一个网络教学平台,通过实现教学资源共享,为学生学习电子组装基础知识,了解学科前沿知识提供了一个良好的课外学习环境,使学生能更多更好地了解学科发展动态,拓宽了学生视野,提高了教学水平和质量.     

自适应深度卷积神经网络模型构建方法

针对传统卷积神经网络(CNN)模型构建过度依赖经验知识、参数多、训练难度大等缺点,同时鉴于复杂多类问题的CNN模型构建策略的重要价值,提出一种自适应深度CNN模型构建方法.首先,将初始网络模型的卷积层和池化层设置为仅含一幅特征图;然后,以网络收敛速度为评价指标,对网络进行全局扩展,全局扩展后,根据交叉验证样本识别率控制网络展开局部扩展,直到识别率达到预设期望值后停止局部网络学习;最后,针对新增训练样本,通过拓展新支路实现网络结构的自适应增量学习.通过图像识别实验验证了所提算法在网络训练时间和识别效果上的优越性.     

有源消声的混合自适应控制系统及试验研究

为有效提高有源噪声控制的消声性能,针对线性控制和非线性控制方法的优缺点,基于模型参考神经网络直接自适应控制原理,提出了一种模型参考混合直接自适应控制策略,利用FLMs和非线性BP网络混合构建自适应控制系统,通过系统误差确定2种网络的加权系数,使控制器训练初期以FLMs为主提高收敛速度,后期以非线性BP网络为主提高系统控制精度．混合控制策略在保持原有非线性控制策略优点的同时,提高了系统的收敛速度．试验结果表明．该控制策略优于神经网络自适应控制．     

电力系统异构网络环境中视频流传输研究与实现

针对电力系统异构网络中视频应用的情况,结合工程实际,设计并实现了一种视频自适应传输架构.该架构可以根据网络的拥塞状态,通过位率调整和丢包控制机制来动态自适应调整传输速率,从而适应电力系统异构网络环境,获得最佳的视频质量和最优的网络利用率.实际应用表明,该系统可以适应异构网络环境下的视频应用,这种自适应架构能支持多种质量的、自适应的视频服务,而且具有很高的可伸缩性和响应特性.     

一种基于单神经元的模糊自整定PID控制器

为解决普通的PID控制器设计对系统模型有一定依赖性问题,本文将单神经元网络和模糊逻辑相结合,提出了一种基于单神经元的模糊自整定PID控制器。单神经元控制部分本身还是一个PID控制器,但由于权值可以在线调整,具有较强的自学习和自适应能力,而通过模糊控制器对输出整定,可加速控制过程。将该控制器应用于船舶运动控制仿真中,仿真结果表明,单神经元模糊自整定PID控制器能使船舶更快地达到设定航向,且航向曲线和打舵更加平稳,可明显改善对大纯滞后、大惯性系统的控制效果,在工业控制中有广泛的应用前景。     

时滞反馈Lorenz系统的神经网络滑模自适应同步控制及在保密通信中的应用

为了研究不确定Lorenz混沌系统同步控制在保密通信中的应用,首先设计了时滞反馈Lorenz混沌系统,并通过Poincare映射和功率谱分析了其混沌动力学特性.在此基础上,提出了不确定时滞反馈Lorenz混沌系统的神经网络滑模自适应同步控制策略.应用径向基(RBF)神经网络逼近混沌系统的不确定项,基于该径向基神经网络的输出再利用滑模控制和自适应控制相结合的方法提出了单维同步控制器的设计.最后,将所设计的同步控制方法应用于保密通信.仿真结果表明,本文所提出的神经网络滑模自适应同步控制方法可以实现混沌系统同步并可应用于保密通信,且具有较强的抗干扰能力.     

神经网络自适应控制系统的特性、应用与发展

吸收了人工智能有关思想的智能控制，近年来控制理论界发挥着越来越重要的作用，而人工神经网络控制又成为其重要的分支。尤其是神经网络自适应控制，由于较好地结合了神经网络和自适应控制的优点，更是引起人们及智能控制界的极大兴趣。系统地阐述了神经网络自适应控制的研究进展，介绍了神经网络自适应控制的不同结构模型和特性，并讨论了目前尚存在的问题，及其应用、发展趋势等。     

一类非线性系统的神经网络自适应算法研究

讨论了神经网络在非线性系统控制中的应用.针对一类典型的非线性系统,基于波波夫超稳定性理论,推导出了保证系统稳定性的神经网络学习算法,设计了神经网络模型参考自适应控制器,以改善非线性被控对象跟踪参考模型输出的跟踪效果,并以此为依据进行了MATLAB仿真.对电弧炉三相电极调节系统的仿真结果表明,这种神经网络自适应控制系统具...     

TMN中的Q3接口及其适配技术

本文首先介绍了电信管理网和Ｑ３接口的概念,而后了Ｑ３网管在接入网中的应用。     

浅析计算机网络实验课改革

计算机网络实验课是计算机应用技术专业1门重要的专业课。目前,许多学校没有专门的网络实验室,使部分实验无法开出,无法达到网络设计任务的要求。针对这一问题,学校要充分利用现有的教学设备和学生的电脑资源,以学生宿舍为单位建立网络实验,加强对实验内容的选择,进行计算机网络实验课的改革。     

Adaptive DirectShow Framework for Layered MPEG-4 Video Multicast

An extensible framework was proposed to implement the hierarchical and adaptive control andfeedback mechanism of layered MPEG-4 video multicast transmission in DirectShow architecture. In ourframework, layers of MPEG-4 video and FEC data are wrapped dynamically in RTP packets to pass through theheterogeneous network effectively. An adaptive control center is designed to control the actions of the related     

一种基于BP网络的流量分类方法

针对传统的网络流量分类方法准确率低、开销大、应用范围受限等问题,提出了一种基于BP网络的流量分类方法。该方法改进了标准的BP网络算法,采用基于Lyapunov函数得到的自适应学习率,并引入遗传算法优化网络的初始连接权值和阈值,使网络避免陷入局部最小,加速了网络收敛过程。实验结果表明,采用改进的BP网络算法来处理网络流量分类问题具有明显的优势：该方法的收敛速度和拟合精度均优于标准BP算法,而且流量分类准确率高于NB算法。