基于资源分配网络的小数据集并行集成学习方法

机器学习领域中,如何在小规模的训练数据集上获得一个具有稳定的高计算精度的算法模型,一直以来都是一个棘手而富有挑战的问题。从算法模型出发,提出了一种基于扩展卡尔曼滤波器的资源分配网络并行集成学习方法。该集成系统由多个带有扩展卡尔曼滤波器的资源分配网络（RANEKF）组成,并且每个RANEKF子网的输入由原始数据集中的输入经过随机权值的修正得到。通过和其他神经网络构成的集成学习算法的实验对比,发现提出的方法在小训练集上拥有更高的计算精度和稳定性。     

有向动态网络中基于模体演化的链路预测方法

以往传统的链路预测方法大多数针对无向网络,而实际上大多数社交网络是有向的,并且没有考虑网络中同一节点对之间的重复边以及微观演化信息,因此不能较好地解决有向动态网络中的链路预测问题。针对有向网络,将节点对之间的重复边信息转换为该节点对之间连边的权值;接着采用了基于三元组模体的演化模型,对滑动窗口中相邻时间片的模体转换概率进行统计后,采用指数加权滑动平均法对其进行时序分析得到不同模体转换概率的预测矩阵,进而使用该矩阵对网络中的链边进行预测。这不仅充分利用了网络微观演化信息,而且解决了动态网络中重复边的问题。最后对实验结果进行分析发现,在高全局聚类系数高平均度的网络中AUC相比Triad Transition Matrix方法提高了近0.01,而相比Common Neighbor方法提高更多。因此,所提方法能够较好地应用网络微观演化信息进行链路预测。     

软件定义网络中利用IMKVS结合NFV的分布式网络负载均衡策略

社交网络和其他云应用程序应该能对从数据中心发出的请求作出快速响应,实现这种请求的技术之一是内存中的键值存储（IMKVS）,它是一种缓存机制,目的是为了提高整体用户体验。一般地,IMKVS系统使用一致性哈希来决定在哪存储目标,一致性哈希使用起来方法简单,但可能引起网络负载的不平衡。为了提高IMKVS的缓存性能,提出一种软件定义网络中利用IMKVS结合NFV的分布式网络负载均衡策略。该策略包含两个阶段,第一阶段设计通用的SDN负载平衡器的模块,以运行不同的负载平衡算法;第二阶段是基于IMKVS的专业化缓存,可以实现通信管理和数据复制。仿真结果表明,相比于一致性哈希,缓存服务器上的负载可改善24%,网络上的负载可改善7%,策略能够使资源利用更合理,获得更好的用户体验。     

基于活动区域的移动无线传感器网络路由协议

为了解决移动无线传感器网络中能量效率问题,提出了一种基于活动区域的移动无线传感器网络（WSN）路由协议。本方法使用源和sink节点相对位置来形成路由的活动区域,网络中的移动节点使用睡眠唤醒模式来节约能源。移动向量信息（如当前位置、方向和速度）以及节点的剩余能量,用于选择能够提供最大连接保留时间的邻居,移动向量信息也被用来唤醒活动区域中的移动节点。实验表明,与其他路由协议进行比较,该方法在分组传输过程中具有更高的可靠性。     

基于最大偏差相似性准则的BP神经网络短期电力负荷预测算法

针对企业电力负荷随机性强、稳定性低、预测精度不理想等问题,提出了一种基于最大偏差相似性准则的BP神经网络短期电力负荷预测算法。首先对最大偏差相似性准则算法进行修改,并提出使用预测日的负荷特征向量与最大偏差相似性准则算法聚类之后的类中心负荷特征的距离来确定预测日的相似日类别;然后将聚类后的相似日类别负荷数据作为BP网络的训练数据,输出预测日起始的连续三天96整点负荷值。实验表明,该方法提出的短期电力负荷预测方法在精度和网络训练时间上都有较大的提升,具有较高的有效性和实用性。     

聚氨酯／聚苯乙烯互穿聚合物网络的结构与性能研究

通过改变组分比研究了PU/PS IPN结构与性能变化的规律。结果表明,在PU/PS为70/30时,电镜照片上呈现精细的细胞结构,相区尽寸缩小,网络间互穿程度最高,且溶胀度最低。热力学性能也同时出现最佳值,     

Artificial neural network approaches on composition-property relationships of jet fuels based on GC-MS

The relationships of composition-properties of 80 jet fuels concerning chemical compositions and several specification properties including density, flashpoint, freezing point, aniline point and net heat of combustion were studied. The chemical compositions of the jet fuels were determined by GC-MS, and grouped into eight classes of hydrocarbon compounds, including n-paraffins, isoparaffins, monocyclopraffins, dicyclopraffins, alkylbenzens, naphthalenes, tetralins, hydroaromatics. Several quantitative composition-property relationships were developed with three artificial neural network (ANN) approaches, including single-layer feedforward neural network (SLFNN), multiple layer feedforward neural network (MLFNN) and general regressed neural network (GRNN). It was found that SLFNNs are adequate to predict density, freezing point and net heat of combustion, while MLFNNs produce better results as far as the flash point and aniline point prediction are concerned. Comparisons with the multiple linear regression (MLR) correlations reported and the standard ASTM methods showed that ANN approaches of composition-property relationships are significant improvement on MLR correlations, and are comparable to the standard ASTM methods.     

基于重标极差法和神经网络的隧道变形趋势判断

为准确、科学及全面地对隧道变形进行趋势判断和预测分析,将隧道的变形过程划分为中期阶段和长期阶段,利用R/S分析对其位移序列和速率序列进行趋势判断研究,再利用PSO-BP神经网络对各阶段的变形进行预测,将预测结果与R/S分析结果进行对比,验证两者的一致性。利用两个工程实例进行检验,得出各序列的Hurst指数均大于0.5,说明各序列均具有持续变形的长期性,且位移序列的趋势性均大于速率序列的趋势性;同时,变形预测结果也显示隧道后期变形将持续增加,验证了R/S分析的准确性。     

基于BPNN-PID的风电机组桨距控制分析

变桨控制技术是风力发电机组的核心技术之一,开展对风力发电机组变桨控制方面的研究具有重要的理论和应用价值。根据风力发电机组在额定风速以上如何保持输出功率稳定和降低风轮转速波动的控制技术进行研究,在传统的变桨距控制策略基础上,提出了基于BP神经网络(Neural Network,NN)整定PID的控制策略,并在Matlab/simulink环境下对PID控制和BP神经网络控制相结合的复合控制系统进行建模与分析。对1.5MW风电机组的仿真验证了BPNN-PID算法的有效性,提出算法不仅能够解决传统PID控制器参数整定困难的问题,而且优化效率更高,可以得到优良的控制性能。     

基于神经网络的轮胎胎号字符识别

介绍了采用BP神经网络来进行轮胎胎号字符识别的一种尝试性方法。用Matlab来模拟用神经网络进行胎号数字识别这一过程，用投影—变换系数法进行特征提取，确定特征输入、隐含层的神经元和输出后，经训练后可识别胎号，识别率尚可。