城市供水系统故障蔓延动力学研究

基于复杂网络理论,建立了城市供水系统故障蔓延动力学模型,模型考虑了城市供水复杂网络结点的自修复功能、故障蔓延机制。研究了自修复因子、延迟时间因子两个特征参数对三种应用广泛的城市供水复杂网络（随机网络、无尺度网络和小世界网络）结点修复率和故障结点数的影响。模拟结果与实际城市供水系统的特征一致,表明所建立的模型可以有效地模拟城市供水系统故障蔓延动力学。     

复杂网络维的测量

近几年来,科学领域内许多不同学科学者对复杂网络中的维产生了关注和研究,维在复杂网络的研究中起着越来越重要的作用,从而成为国际科学研究前沿领域内的一个新热点.介绍了关于复杂网络中的维的三种定义,例如黎曼Zeta函数、容量维数等,然后说明了维数的一些性质并介绍了捷径模型,最后将这些理论应用在Ising模型中并对未来的发展进行了展望.通过对复杂网络中的维的测量,可以更加深入地了解复杂网络并将其更好的应用.     

复杂网络维的测量

近几年来,科学领域内许多不同学科学者对复杂网络中的维产生了关注和研究,维在复杂网络的研究中起着越来越重要的作用,从而成为国际科学研究前沿领域内的一个新热点。介绍了关于复杂网络中的维的三种定义,例如黎曼Zeta函数、容量维数等,然后说明了维数的一些性质并介绍了捷径模型,最后将这些理论应用在Ising模型中并对未来的发展进行了展望。通过对复杂网络中的维的测量,可以更加深入地了解复杂网络并将其更好的应用。     

小世界网络模型下的无线传感器网络

复杂网络是具有复杂拓扑结构和动力学行为特征的大规模网络,无线传感器网络呈现出多种复杂网络特性,如多跳、自组织特性等,这表明可借助复杂网络理论研究无线传感器网络的拓扑结构和动力学特性。在无线传感器网络的复杂网络特征的基础上建立小世界网络模型。仿真表明小世界网络模型下的无线传感器网络符合小世界网络具备的性质。     

基于复杂网络动力学模型的链路预测方法

链路预测是复杂网络中研究缺失连边和未来形成连边的重要组成部分,当前基于网络结构的链路预测方法成果丰富,而基于复杂网络动力学模型的链路预测研究较少。针对无权无向网络,首先构建了复杂网络动力学模型,然后给出了基于复杂网络动力学模型的链路预测节点中心性的量化评价指标,最后通过给出的节点中心性量化指标,提出了由复杂网络动力学模型定义的链路预测方法。通过在真实网络数据集上进行的实验表明,提出的链路预测方法较基准方法有明显的预测精度的提升。     

复杂公交社团网络模型的稳定性研究

为了研究城市公共交通网络的动态特征,在现有公交网络模型的基础上,建立了一类新的复杂公交网络模型。同时基于派系过滤算法,对复杂公交网络模型进行了社团结构分析。以Lorenz系统为网络的节点,研究了复杂公交社团网络的同步问题。通过改变公交车辆之间的控制强度、删除网络中普通公交线路和关键公交线路,研究了公交社团网络的同步问题。采用Matlab仿真技术分析了公交车辆的人为调度和线路优化对公交线路网络稳定性的影响。     

复杂网络理论研究综述

当前,复杂网络已迅速形成了一门贯穿多领域的交叉性学科,其相关理论被应用于诸多领域.为了解复杂网络的研究现状,首先从复杂网络的定义与统计特性两个角度介绍了复杂网络的基本概念,然后列举了几种典型的复杂网络模型,以及在此基础上对其进行改进后所建立的模型并讨论其优缺点,围绕复杂网络结构特性与网络动力学两个方面进一步分析了当前复杂网络的研究现状并列举了近几年的研究成果,最后得出结论并对复杂网络未来的热点研究方向做出展望.     

企业营销复杂网络演化模型及其仿真

在对企业营销网络理解的基础上,将其抽象为复杂网络。分析了企业营销复杂网络的演化机制,建立了企业营销复杂网络演化模型,并对模型进行了仿真分析。结果表明企业营销复杂网络模型节点度分布、节点强度分布和边权分布均符合幂律分布,表明其能较好地拟合实际企业营销网络的拓扑结构特征。研究对于探讨企业营销网络的演化规律,对企业营销网络的建设和管理具有理论意义和实践价值。     

复杂网络与机器学习融合的研究进展

近年来,随着大数据技术的进步,复杂网络与机器学习的交叉研究越来越受到众多学者的关注。复杂网络是自然界中众多复杂系统的抽象描述,主要以统计物理的角度研究系统的演化;机器学习又称为统计学习方法,主要研究从大量数据样本提取特征并建立模型。简要综述复杂网络领域主要的网络演化模型、常用统计度量方法以及网络上的动力学过程和机器学习领域内三种基本的学习技术;从交叉应用的两个角度,即基于复杂网络的机器学习方法和基于机器学习的复杂网络信息挖掘,详细对比了各种方法的计算思路。在此基础上,提出目前学界重点关注的两类问题,并展望了若干开放性挑战。     

第三方支付粗糙复杂网络知识发现方法研究

第三方支付平台的可持续发展是一个错综复杂的问题,解决问题的关键之一是平台潜在客户的挖掘。建立了第三方支付粗糙复杂网络,通过对该粗糙复杂网络的上下近似度、度分布和度的概率主值的研究,构建了第三方支付粗糙复杂网络知识发现模型,给出了基于粗糙集理论的时间序列分析法的求解方法。第三方支付粗糙复杂网络知识发现方法的研究,为第三方支付平台潜在客户的挖掘提供了定量化可操作的方法。提出了粗糙复杂网络的有关概念,以及第三方支付粗糙复杂网络的度分布,为第三方支付有关问题的研究奠定了理论基础;知识发现方法的研究,适应了动态知识系统更新的需求,因此有着广泛的应用前景。     

基于条件约束的胶囊生成对抗网络

生成式对抗网络(Generative adversarial networks,GAN)是主要的以无监督方式学习深度生成模型的方法之一.基于可微生成器网络的生成式建模方法,是目前最热门的研究领域,但由于真实样本分布的复杂性,导致GAN生成模型在训练过程稳定性、生成质量等方面均存在不少问题.在生成式建模领域,对网络结构的探索是重要的一个研究方向,本文利用胶囊神经网络(Capsule networks,CapsNets)重构生成对抗网络模型结构,在训练过程中使用了Wasserstein GAN(WGAN)中提出的基于Earth-mover距离的损失函数,并在此基础上加以条件约束来稳定模型生成过程,从而建立带条件约束的胶囊生成对抗网络(Conditional-CapsuleGAN,C-CapsGAN).通过在MNIST和CIF AR-10数据集上的多组实验,结果表明将CapsNets应用到生成式建模领域是可行的,相较于现有类似模型,C-CapsGAN不仅能在图像生成任务中稳定生成高质量图像,同时还能更有效地抑制模式坍塌情况的发生.     

生成对抗网络的研究进展综述

自生成对抗网络(GANs)诞生以来,对其研究已经成为机器学习领域的一个热点。它利用对抗学习的机制训练模型,解决了当年生成算法无法解决的问题。由于GANs的优势,研究者们对其进行深入的研究,产生了许多GANs的衍生模型,这使得GANs得到了快速的发展,形成了所谓的GAN-Zoo。GANs被广泛应用于视觉领域、音频领域、自然语言领域及其他各种领域中,如图像生成、图像翻译、文本生成、音频转换和自然语言翻译等。从传统GANs出发,对近几年内GANs的研究中较为突出的方面进行总结,首先介绍了传统GANs的基本理论,然后对近年来GANs的主要衍生模型进行分析,最后总结了GANs在图像领域和信息安全领域中的主要应用成果。     

复杂网络上病毒传播的元胞自动机模拟

针对病毒在复杂网络拓扑结构中传播行为的多样性特点,运用元胞自动机模拟病毒传播过程,并采用“易染-感染-免疫”模型和“易染-感染-易染”模型构造元胞自动机模拟方法。实验结果表明,该自动机模型能较好地模拟复杂网络中病毒的传播过程。     

一种基于互补声学模型的多系统融合语音关键词检测方法

采用一种基于互补声学模型的多系统融合方法来获得高性能的语音关键词检测系统: 1)在基线系统的基础上, 使用不同的音素集进行声学建模, 并引入基于神经网络的声学建模方法, 获得另外两套具有建模差异性的声学系统; 2)在多套关键词检测系统的基础上, 通过选择有效的系统融合准则, 将多个系统的输出进行整合, 获得更好的语音关键词检测结果. 该方法充分利用了差异性声学建模系统之间的互补性, 在不增加训练数据的情况下, 显著地提升了最终系统的性能. 和基线系统相比, 该方法在2005年国家863电话语音关键词检测技术评测集上, 在等错误率(Equal error rate, EER)指标下, 获得相对21.6%的显著性能提升.     

一种改进的室内wsn仿真模型

针对室内无线传播模型具有多径传播效应的特性和无线传感器网络协议栈的特点,提出了一种改进的室内无线传感器网络仿真方法。方法使用阴影模型模拟室内无线传播模型的多径传播效应,结合常用的无线传感器网络节点芯片的性能参数预测出无线信号在室内的实际传输距离,并在NS2中以该无线信道模型为基础,以无线传感器网络协议栈为标准,建立了一个改进的室内无线传感器网络仿真模型。仿真模型的测试结果表明该模型在数据包投递率及网络剩余能量的比率上与实际室内无线传感器网络的性能相似。证明建立的模型能为室内无线传感器网络的实际布网和应用提供可靠的依据。     

无线传感器网络中覆盖集的高效选取

传感器网络分簇机制中, 工作效率与网络覆盖密切相关. 任意时刻激活最小数目工作节点能够有效节省网络能量. 然而, 由于传感器网络的高密度部署, 使得该问题成为一个NP-完全问题. 本文提出一种基于改进的精锐非支配遗传算法以选择网络最优覆盖集. 对比于传统的二进制监测模型, 本文在算法实施过程中采用了概率监测模型. 在保证网络全覆盖的前提下, 令一部分节点进入休眠状态达到节能的目的. 并提出循环重组算子和删除因子以优化算法性能. 大量的仿真实验验证了本文算法的有效性.     

无线传感器网络中的被动式红外传感器模型研究

针对公共安全的需要，利用无线传感器网络系统进行区域监控已然成为趋势。通过对系统的物理结构分析提出了一种被动式红外传感器模型。该模型对配备被动式红外传感器的无线传感网络的系统设计具有指导意义。传感器节点的测试以及实时系统的试验验证了模型的可靠性。     

多输出神经元模型的多层前向神经网络及其应用

研究了一种新的多输出神经元模型.首先,给出这类模型的一般形式,并将该模型应用于多层前向神经网络;其次,给出了其学习算法,即递推最小二乘算法,最后通过几个模拟实验表明,采用多输出神经元模型的多层前向神经网络,具有结构简单,泛化能力强,收敛速度快,收敛精度高等特点,其性能远远优于激活函数可调模型的多层前向神经网络.     

基于概念网络的智能教学系统--OMT

从知识管理的角度出发，利用知识表达工具概念网络（Connet）为智能教学系统OMT（Olympic Math Tutoring）构造知识模型，以“知识树”的形式呈现领域知识的层次和逻辑关系。同时使用覆盖知识树的概率网络建立学生模型，结合习题参数的设计达到解释学生学习行为、为学生提供个性化教学的目的。     

无线传感器网络路由鲁棒性研究*

分析了WSN路由鲁棒性的特点,提出了路由鲁棒性的量化指标,并引入云模型解决鲁棒性的评价和量化问题,是对无线传感器网络路由鲁棒性研究的有益探索和尝试。