浅析P2P技术在校园网络中的应用

随着网络与信息资源的飞速发展,P2P文件共享系统等分布式网络应用已经成为人们获取网络资源信息的重要途径本文围绕P2P技术的结构模式及其特点进行了分析,并举例说明P2P网络应用。     

适用于成人高等教育网络结构安全的探讨

网络结构的安全是信息安全的基础,是信息得以安全存储和传递的根本保障。根据成人高等教育的实际需求,再结合前人的研究成果,提出了一套适合成人高等教育教学、教务管理使用的一套相对安全的网络结构,在运用地址映射、防火墙、VLAN等技术确保网络结构安全的同时,又采用了负载均衡技术来提高网络信息交换的吞吐量,从而确保该网络结构安全、适用。     

基于MATLAB的神经模糊聚合釜控制

针对模糊控制表达能力强,但学习能力、适应性差的特点,提出在聚合釜温度控制过程中使用模糊控制与神经网络相结合的控制方案.给出了神经模糊网络结构和学习算法,仿真研究表明,神经模糊网络可以直接从经验中获取知识,自动建立模糊规则和隶属函数,无需查表,具有较强的适应和联想能力,比单纯的模糊控制具有更大的优势.     

基于BP神经网络的数据挖掘及在股价预测中的应用

对BP网络的拓扑结构及其结构的确定进行分析,时如何提高网络的泛化能力和网络模型的合理化进行研究,给出一些具体方法和建议.结合以上的分析,利用BP网络对股票价格进行预测,所得结果表明,只要选择合理的网络模型和结构,其预测能力是相当可观的.     

基于RBF神经网络混合遗传算法的多用户检测

提出了一种混合递阶遗传算法来同时训练RBF神经网络的结构和参数,引入了改进的染色体编码方案,用基于奇异值分解的最小二乘法计算网络输出层权值,提高了遗传搜索的效率,精简了网络结构.并用变学习速率梯度下降法优化遗传训练出的最优网络,应用到多用户检测中.仿真结果表明,新混合学习算法训练出的网络结构优于其它算法训练的网络结构,并且性能良好.     

煤矿电力监控系统的研究与应用

文章详细介绍了KJ36A型煤矿电力监控系统的3层网络结构形式,即综合监控信息管理层、信息处理与监控层、现场控制层,并分析了这3层网络所实现的功能,阐述了KJ36A型煤矿电力监控系统的功能与特点。该系统采用嵌入式技术、分布式网络技术,可对煤矿供电系统实施一体化的实时监控,实现矿井电网的安全运行及变电所的无人值守功能。实际应用表明,该系统运行效果好,完全满足当前矿井安全生产和管理的要求。     

BP神经网络隐层单元数的确定方法及实例

针对BP神经网络隐层单元数不易确定的问题,提出一种在传统的经验公式基础上快速确定隐层单元数的方法。该方法首先借助经验公式确定隐层单元数的取值范围,然后将其扩大,在这个扩大的范围内寻找最优值。以BP神经网络预测交通流量为例,解释说明了具体的步骤,以及网络模型的隐层结构对模型仿真精度的影响。结果表明,采用该方法可快速决定隐层单元数,在实例中采用16个隐层单元数为最佳。     

网络结构挖掘算法研究

网络结构挖掘是以超链接分析为基础,从链接结构中获取有用的知识,利用这些知识,重新组织结构,使内容逻辑结构更加合理.深入研究现有的网络结构挖掘系统,并在对其核心算法PageRank和HITS中所存在的问题作了详细分析的基础上提出了自己的改进算法,主要是对每个网页定义这三个参数:PageRank,Authority,Hub,并进行分析与优化,以便得到更好的查询结果,最后设计了一个改进网络结构挖掘系统原型,根据实验结果进行分析.     

基于贝叶斯优化的无标签网络剪枝算法

针对深度神经网络（DNN）的参数和计算量过大问题,提出一种基于贝叶斯优化的无标签网络剪枝算法。首先,利用全局剪枝策略来有效避免以逐层方式修剪而导致的模型次优压缩率;其次,在网络剪枝过程中不依赖数据样本标签,并通过最小化剪枝网络与基线网络输出特征的距离对网络每层的压缩率进行优化;最后,利用贝叶斯优化算法寻找网络每一层的最优剪枝率,以提高子网搜索的效率和精度。实验结果表明,使用所提算法在CIFAR-10数据集上对VGG-16网络进行压缩,参数压缩率为85.32%,每秒浮点运算次数（FLOPS）压缩率为69.20%,而精度损失仅为0.43%。可见,所提算法可以有效地压缩DNN模型,且压缩后的模型仍能保持良好的精度。     

神经网络结构搜索方法综述

如今,深度学习广泛地应用于生活、工作中的各个方面,给我们带来了极大的便利.在此背景下,需要设计针对不同任务的神经网络结构,满足不同的需求.但是,人工设计神经网络结构需要专业的知识,进行大量的实验.因此,神经网络结构搜索算法的研究显得极为重要.神经网络结构搜索(NAS)是自动深度学习(AutoDL)过程中的一个基本步骤,对深度学习的发展与应用有着重要的影响.早期,一些神经网络结构搜索算法虽然搜索到了性能优越的神经网络结构,但是需要大量的计算资源且搜索效率低下.因此,研究人员探索了多种设计神经网络结构的算法,也提出了许多减少计算资源、提高搜索效率的方法.本文首先简要介绍了神经网络结构的搜索空间,其次对神经网络结构搜索算法进行了全面的分类汇总、分析,主要包括随机搜索算法、进化算法、强化学习、基于梯度下降的方法、基于顺序模型的优化算法,再其次探索并总结了提高神经网络结构搜索效率的方法,最后探讨了目前神经网络结构搜索工作中存在的问题以及未来的研究方向.