基于多Agent的个性化网络学习环境模型设计

传统的教学系统难以满足用户个性化的需求.将人工智能的Agent技术引入网络学习环境的研究中,提出了基于多Agent的个性化网络学习环境模型.并详细阐述了系统的体系结构、设计思想和实现技术.     

基于自回归模型的网络数据去重算法的设计

为了提高网络带宽利用率,实现网络负载和传输效率的平衡,提出了一种基于网络流量自回归技术的网络数据去重算法ANTREA. 该算法将数据传输分割成多个传输单元,在每个传输单元中分成去重传输和直接传输2部分,前一部分实现去除冗余数据后传输,后一部分数据则利用空闲带宽实现传输. 通过为每个传输单元的网络状况建模,预测下一个传输单元的网络可用带宽及查重处理时间,并据此调整直接传输的数据量,以求充分利用空闲带宽,提高网络带宽利用率. 实验结果表明,ANTREA算法可以根据网络状况自动调整传输策略,能够充分利用网络带宽以实现更高的数据传输效率,比EndRE算法有更好的网络适应性,在10 MB/s的网络环境下,传输吞吐量几乎为EndRE的7倍.     

基于网络用户信息行为的个性化推荐模型

探讨了网络用户信息行为的基本概念和个性化推荐的相关技术。以此为基础,创建了基于网络用户信息行为的个性化推荐模型。对比实验结果表明,此模型在准确率、稳定性、推荐效率方面有一定的优势。     

基于Web日志挖掘的个性化网络教学系统研究

首先介绍了Web日志挖掘和个性化推荐服务所包含的内容,然后具体讲述了网络教学系统体系结构的设计以及在该系统中所采用的关键技术和Clope算法与改进的Apriori算法。最后通过实验结果的分析说明构建基于Web日志挖掘的个性化网络教学系统可以完成因材施教的需求。     

基于Web挖掘的个性化网络教学系统的研究

为了使基于Web的网络教学能够真正地实现个性化教学,提出了网络教学要从以网站为中心向以学生为中心转变的观点,介绍了基础Web挖掘的个性化网络教学系统的体系结构,指出了Web挖掘的基本过程和关键技术,并给出了用户兴趣度计算和个性化推荐算法.     

基于Web的个性化教学模型的研究

为了使远程教学系统自动调整学习者的进度和内容,满足各类学习者的需要,提出一种基于Web的个性化远程教学模型。主要讨论了学生认知模型的构建,学生认知能力的评定,课程结构和基于模糊理论的知识表示和推理。模型从实现的角度提出了系统的实施策略和方法。     

结合大气散射模型的生成对抗网络去雾算法

为了提高图像去雾的性能, 提出结合大气散射模型生成对抗网络的去雾算法. 算法在pix2pix GAN基础上进行改进, 将网络的生成器改进成双解码器结构,通过双解码器分别生成无雾图像和透射率图, 并结合大气散射模型还原雾图像,以进一步提高图像分解的质量. 在马尔科夫判别器结构中,采用反向学习机制代替随机裁剪机制,以有效降低因采用随机裁剪算法而导致的判断结果不准确的概率. 在原有的损失函数上,加入雾霾损失函数,提高图像转化的质量. 在STOS和NYU数据集上进行消融实验和对比实验. 大量实验表明所提出方法在PSNR和SSIM指标上比原算法Pix2pix GAN有所提高, 且均优于现有去雾算法,复原图像具有清晰度高、噪声低、纹理丰富的优点.     

基于用户兴趣模型的个性化查询

为了更好地解决用户查询词的准确性,研究了如何从用户搜索的上下文所提供的个人信息和其使用过程中的隐式反馈来推断出用户的兴趣。开发了智能客户端Web搜索代理,可以进行相应的隐式反馈。实验表明,Web搜索代理可以提高搜索的准确率。     

基于模糊概念网络的多代理个性化搜索引擎研究

由于近年来网络信息的快速增长,导致传统的搜索引擎在检索过程中会返回大量的不相关内容.针对这一问题,提出一种基于模糊概念网络的多代理个性化搜索引擎,主要利用模糊概念网络去学习用户的兴趣,并写入用户配置文件,然后根据用户配置文件去过滤多代理服务器检索出的信息,最终实现一个高效的个性化搜索引擎.实验表明,通过本文提出的搜索引擎检索出的结果要比传统搜索引擎检索出的结果相关度更高.     

基于GIS的地理网络模型研究

本文在分析地理网络特征的基础上,提出了提出网络的概念模型,并用面向对象方法构建了地理网络的逻辑模型。     

网络信息安全分层模型的研究

在分析影响网络安全几个因素的基础上,分别从OSI/ISO七层网络协议和三层网络结构2个角度,讨论了各个层次网络安全存在的风险和问题,给出了解决各层安全问题应该采用的防范措施。结果认为,为保障网络信息安全,既要弄清网络协议本身存在的问题和漏洞,又要深入研究实际组网的客观要求和情况。     

基于JMX的网络业务管理模型研究

介绍了网络管理的特点和当前业务管理研究现状,分析了JMX的技术背景及体系结构。文中定义了业务管理的若干基本概念,建立了一种较为新颖的网络业务管理模型;并阐述了基于JMX的网络业务管理模型的优势。     

基于社会网络分析法的复杂工程项目组织网络模型构建

从复杂工程项目组织的社会性着手,针对目前项目组织管理和控制在实际应用中出现的问题,研究一种优化项目群组织的有效方法.通过分析复杂工程项目组织结构的网络特性,建立项目组织的优化模型,借助SNA构建组织网络模型,运用UCINET对实例进行定量分析,找到项目组织的关键指标的量化途径.通过模型的构建,可以得出SNA理论是研究工程项目组织关系的有效理论方法,为其组织优化提供了交互视角,有利于组织中关系人目标的实现.     

基于混沌算子网络模型的网络流量预测研究

采用混沌算子构造预测网络,对网络流量数据进行预测分析.结合相空间重构理论将已知数据构造成训练样本,利用遗传算法对混沌算子参数进行训练调节,从而改变网络的动力学特性,使之逐渐逼近被预测时间序列的动力学特性,并保持与之变化一致.该方法可对各种网络流量数据序列进行有效的预测分析.仿真实验结果表明:与传统的预测方法相比,该方法具有更好的预测趋势.     

基于神经网络与专家系统结合的模型自动选择

目前的模型选择方法对用户的期望过高,要求用户对DSS模型库中的模型和所要解决的问题都要有深刻的理解,这就导致了模型选择 实用性较差。提出了一种基于专家系统和人工神经网络的模型自动选择理论和方法,这种理论和方法将模型选择分为模型类型选择和模型结构选择两部分,应用人工智能技术完成模型类型的自动选择,应用神经网络技术实现模型结构的自动选择。特别是在模型结构的自动选择中,人工神经网络方法的工作原理主要由两个阶段组成,即学习和选择阶段。在学习阶段,对每一模型类的模型组训练一个神经网络,使训练好的给定类模型的神经网络能够对用户给出一组数据的自动选择（判断）出适当的模型结构。而且,这个方法通过趋势外推型模型类的实验,证明是很有效的。     

基于区域映射模型的R&D项目中止决策

针对传统的BP网络训练时收敛速度缓慢,容易陷入局部极小,并且实际分类准则与训练准则不一致的缺陷,提出了R&D项目中止决策模式识别的区域映射模型.模型从根本上保证了分类准则与训练准则的一致性,具有比BP网络更快的训练速度和更高的识别率.案例研究表明,区域映射模型是R&D项目中止决策的一种有效的模式识别方法.     

An elasto-plastic constitutive model of moderate sandy clay based on BC-RBFNN

Application research of neural networks to geotechnical engineering has become a hotspot nowadays.General model may not reach the predicting precision in practical application due to different characteristics in different fields.In allusion to this,an elasto-plastic constitutive model based on clustering radial basis function neural network(BC-RBFNN) was proposed for moderate sandy clay according to its properties.Firstly,knowledge base was established on triaxial compression testing data;then the model was trained,learned and emulated using knowledge base;finally,predicting results of the BC-RBFNN model were compared and analyzed with those of other intelligent model.The results show that the BC-RBFNN model can alter the training and learning velocity and improve the predicting precision,which provides possibility for engineering practice on demanding high precision.     

基于Wrapper的信用风险预测模型研究与应用

研究了一个有效适用的企业信用风险预警模型。针对单一BP神经网络预测模型由于财务指标选择不当导致误判率较高的问题,提出了首先进行特征选择,利用遗传算法搜索出最优特征子集,并采用BP神经网络作为遗传算法的评估函数,构建了一个基于Wrapper方法的神经网络信用风险预测模型。以沪深股市1998—2004年间的制造企业数据为例对模型进行实验,结果表明,新模型提高了预测准确率,评估结果更具科学性,实际应用具有良好的信用风险预测能力。     

基于超定线性方程组模型的电网GIC计算方法研究

为提高电网地磁感应电流(Geomagnetically Induced Current) GIC的计算精度,提出了基于超定线性方程组模型的电网GIC计算方法.该方法充分利用已测量到的GIC数据,将实测数据建立的附加方程与理论计算模型结合起来对GIC进行计算和评估.推导了回路电流法和节点电压法的超定线性方程组模型,并使用...     

基于B/S结构的网络考试系统

介绍了一种在 Browser/Server结构模式下,利用 ASP和 Microsoft SQL Server 7.0网上考试系统的方法,该系统具有自动生成考试试卷、自动评分等功能,并允许考生在本地或远程通过浏览器阅答试卷,实现了无纸化考试。