自组织映射网络及其在化学化工领域中的应用进展

讨论了自组织映射网络（Self-organizing map,SOM）的发展与应用进展情况。首先介绍了自组织映射网络的产生、发展概况,网络的原理、基本结构和算法,网络的应用现状以及最新的研究进展情况。基本的自组织映射算法在实际应用中存在着一定的缺陷,对此着重介绍了近年来自组织映射网络的各种改进方案,以及目前在化学化工领域中的应用情况。最后提出了自组织映射网络研究中仍然存在的问题,并对其在化学化工领域中的应用发展前景做了展望。     

Stochastic average gradient algorithm for multirate FIR models with varying time delays using self-organizing maps

A stochastic average gradient (SAG) algorithm is proposed for multirate (MR) finite impulse response (FIR) models with varying time delays in this article. The time delays at each sampling instant are computed through the self-organizing maps technique, and then the parameters are estimated by using the SAG algorithm. Considering that the SAG algorithm updates the parameters using all the directions up to and including the current sampling instant, but only compute one gradient at each sampling instant, thus it has less computational efforts and quicker convergence rates. Furthermore, some modified SAG algorithms are also developed. Two simulation examples show that these algorithms identify MR FIR models with varying time delays correctly.     

Self-Organizing Transient Chaotic Neural Network for Cellular Channel Assignment

This paper presents a self-organizing transient chaotic neural network to solve the channel assignment problem, one of NP-complete problems. The proposed neural network consists of two parts. The first part is the self-organizing evolution stage, which based on the mutual inhibition mechanisms of bristle differentiation and the problem's heuristic information. The second part is the transient chaotic neural network executing stage. A significant property of the TCNN model is that the chaotic neurodynamics is temporarily generated for searching and self-organizing in order to escape the local minima. In the proposed neural network, the first part is used to improve the quality of the obtained solutions. The simulating results have shown that the self-organizing transient chaotic neural network improves greatly performance through solving the well-known benchmark problems, especially for the Sivarajan's and Kunz's benchmark problems, while the performance is comparable with existing algorithms.     

SOM-T2 FLS在股市预测中的应用研究

由于金融市场的复杂性和特殊性,现有预测算法的性能在牛市和熊市中呈现出较大差异,导致分类精度不高和抗风险能力不强,提出一种基于自组织特征映射-2型模糊逻辑系统（SOM-Type-2 Fuzzy Logic System,SOM-T2 FLS）的分类算法。通过SOM网络将样本集分成两个不同子集,然后在每一个子集下分别学习T2 FLS分类器。在分类器学习过程中,提出将规则库的长度作为正则项,降低模型复杂度。利用中国证券市场的历史数据,验证了该算法较现有算法具有更好的预测效果和抗风险能力。     

结构自适应的半监督自组织过程神经网络

针对时域空间中模式识别、聚类分析和未标记样本的有效利用问题,提出一种基于半监督学习的网络结构自适应的二维自组织过程神经网络模型和算法。通过构建可度量时变样本间相似性的广义Fréchet距离,利用部分已标记动态样本的类别信息和过程特征,采用奖励-惩罚更新规则,根据网络学习目标函数,对网络二维平面竞争层节点进行动态拆分或合并,实现网络结构的自适应调整和样本的有效聚类。仿真实验结果验证了模型和算法的有效性。     

基于灰朦胧集动态演化的线段特征提取

针对未知环境知识表达问题,模拟人类思维处理空间知识,提出一种基于灰朦胧集动态演化的线段特征提取方法.该方法在具有几何约束的环境中,通过灰朦胧集动态演化形成不同认知阶段表达,逐步消除信息中的不确定性,采用自组织映射和基于灰关联度的主方向提取实现线段特征的信息显化. 通过创建室内走廊环境地图检验了所提出方法模拟人类智能对未知环境信息进行表达和推理的有效性.     

无线自组织网络时钟同步系统设计研究

根据在时钟同步方面(Wireless Sensor Network,WSN)无线传感器网络和自组织网络具有的相似属性,WSN时钟同步方法可以运用到自组织网络当中。由于影响时钟同步的要素很多,存在抗干扰性弱、同步精度差等问题。根据主从同步的特点,运用脉冲位置测量法,无线传感器与网络时钟之间的关系,构建出一套相对完整的无线自组织网络时钟同步系统,并通过实验成功实现网络时钟数据的同步。     

双层聚类模型在日志数据分析中的应用

提出了一种基于自组织特征映射( SOM)神经网络和模糊c-均值( FCM)的双层聚类方法,对Web日志中的日志数据集进行聚类。第一层是无监督SOM神经网络聚类方法,它所产生的类的个数大大减少了原始数据集的个数,降低了FCM对类初始中心点的依赖;然后利用FCM聚类算法的优势对第一层中产生的类的中心点进行聚类,从而大大减少了聚类的时间复杂度;最后通过平行坐标技术可视化展示聚类前后的日志数据集,方便对日志数据进行分析。     

无线自组网中的信息传输问题及模拟试验研究

在用户群体之间高效传输信息是组建无线自组网的基本目标之一.对无线自组网中的信息传输问题进行了阐述和分析,说明了现有的机制及其面临的问题.针对3种信息传播模型,在不同的网络场景下模拟了无线自组网中节点之间的信息传输情况,包括传染模型、信息连锁反应模型和多跳信息传播模型.模拟结果表明,无线自组网的信息传输能力与信息传播模型...     

面向移动自组织网络的自主管理架构及应用

为了提高网络的智能性和自管理能力,提出一种面向移动自组织网络的自主管理架构,详细分析了该混合架构中各管理模块的功能;提出自主管理网络的组网方式和负载均衡机制,并定义了自主管理服务,从传输层面和业务层面保障了管理节点间的协作能力. 通过新增移动自组织网络节点的自主配置过程验证了自主管理架构和自主管理服务的可行性.