稀疏复杂网络的识别

本文研究了一种给定的复杂网络结构识别问题.利用网络结构的稀疏性质,提出了一个带有l¹正则化的最小二乘模型.数值仿真表明该算法对带噪声或不带噪声的较大型网络结构的识别是非常有效的.     

用牵制控制方法进行含随机噪声的复杂网络的拓扑结构识别

本文研究了含噪声的复杂动态网络的拓扑结构识别的问题.利用牵制控制(Pinning控制)方法,基于随机微分方程的理论基础,来进行网络的拓扑结构识别,设计自适应反馈控制器和识别率,来反演网络结构,通过数值仿真,获得了pinning控制方法主要是通过一部分未知节点来识别整个网络的拓扑结构的结果,噪声强度的范围将影响网络结构正确识别时的耦合强度范围,噪声强度越大,可识别的耦合强度也越大.     

牵制控制含噪声的多延迟超网络的结构识别

本文研究了含噪声的多延迟超网络的结构识别问题,利用随机微分时滞方程的LaSalle不变原理和Lyapunov稳定性理论,获得了通过牵制控制进行超网络结构辨识的理论.通过数值仿真验证了理论结果的有效性.以三层网络为例,仅控制一个节点就可以成功识别出该网络的未知拓扑结构,同时,驱动网络和响应网络达到了同步.     

一种带椒盐噪声的图像恢复快速方法

研究被椒盐噪声干扰的模糊图像恢复问题.提出了一种利用两步法来恢复图像的快速算法.第一步,用自适应中值滤波(adaptive median filter,AMF)识别被噪声干扰的图像的像素.第二步,基于无噪声的像素,对图像进行恢复.利用交替方向极小化,提出了一种带椒盐噪声的图像恢复快速方法.实验结果显示,该方法较其他现有的两步法恢复图像的效果更好.     

基于ANP-灰色聚类方法的供应链风险影响因素研究

供应链网络结构日趋复杂,需要识别供应链网络风险影响因素并对其进行分析．通过分析和识别出供应链运作过程中各种风险影响因素,构建了供应链网络运作风险影响因素评价体系,利用网络分析法对供应链网络风险影响因素和运作阶段进行分析,使用灰色聚类分析对风险因素进行评分,排序并筛选出重要的风险影响因素.通过对汽车零部件供应链网络进行案例分析,得知供应链网络结构特征因素相对于其他因素对供应链网络风险影响程度最大,在供应链管理和研究过程中应对其引起重视.     

一类带乘性噪声随机分数阶微分方程Euler方法的弱收敛性与弱稳定性

本文主要在带加性噪声随机分数阶微分方程的基础上,研究了一类更为困难的带乘性噪声随机分数阶微分方程Euler方法的弱收敛性与弱稳定性,并得到了类似的结论.首先构造了数值求解带乘性噪声随机分数阶微分方程的Euler方法,然后证明当分数阶α满足0α1/2时,该方法是1/2-α阶弱收敛的和弱稳定的,文末数值试验的结果验证了理论结果的正确性.     

不确定信号系统鲁棒观测融合Kalman预报器

对于带不确定噪声方差的多传感器单通道自回归滑动平均(ARMA)信号系统,当观测噪声中包含白噪声和一个自回归滑动平均(ARMA)有色观测噪声时,通过增广状态方法把ARMA信号系统模型转化为状态空间模型.应用加权最小二乘法和极大极小鲁棒估计准则,基于带噪声方差保守上界的最坏保守系统,提出了鲁棒加权观测融合稳态Kalman信号预报器.对于噪声方差的所有可能的不确定性,它们的实际预报误差方差保证有相应的最小上界.应用Lyapunov方程方法,证明了局部和加权观测融合稳态Kalman信号预报器的鲁棒性和鲁棒精度关系.通过一个仿真例子验证了所提出理论结果的正确性和有效性.     

不确定信号系统鲁棒观测融合Kalman预报器北大核心CSCD

对于带不确定噪声方差的多传感器单通道自回归滑动平均(ARMA)信号系统,当观测噪声中包含白噪声和一个自回归滑动平均(ARMA)有色观测噪声时,通过增广状态方法把ARMA信号系统模型转化为状态空间模型.应用加权最小二乘法和极大极小鲁棒估计准则,基于带噪声方差保守上界的最坏保守系统,提出了鲁棒加权观测融合稳态Kalman信号预报器.对于噪声方差的所有可能的不确定性,它们的实际预报误差方差保证有相应的最小上界.应用Lyapunov方程方法,证明了局部和加权观测融合稳态Kalman信号预报器的鲁棒性和鲁棒精度关系.通过一个仿真例子验证了所提出理论结果的正确性和有效性.     

带偏好DEA在“科学研究基金”管理中的应用研究

将带偏好锥DEA理论引入科学研究基金管理中,在包含"拥挤"迹象的生产可能集基础上建立了三个带偏好锥的平行网络结构DEA模型,对科研基金投入后产生的"成效"进行评价.这些模型分别从三个层面探讨了科研基金使用效率、分配合理性,以及最佳基金预算的确定方法.     

空间一维结构分布动载荷时域识别方法

提出一种适用于空间一维结构分布动载荷的时域识别方法.基于空间分段和时间分段的思想, 推导了载荷时程识别的公式和过程.用MATLAB编写了载荷识别程序,以受分布动载荷简支梁和受随机风载荷输电导线的载荷识别对方法和程序进行验证, 并通过仿真试验研究了噪声对载荷识别的影响.结果表明,该方法对于线性问题有很高的识别精度,对于弱非线性问题能够满足工程应用要求,为分布动载荷时域识别提供了有效的途径.     

不确定多通道信号鲁棒稳态估计

对于一类具有随机参数矩阵、不确定噪声方差、一步随机时滞、丢包和丢失观测的多通道自回归(Autoregressive,AR)信号系统,文章研究其鲁棒稳态Kalman滤波问题.应用状态空间方法,增广方法和虚拟噪声技术,混合不确定AR信号模型被转换为仅带不确定噪声方差和相同过程以及观测噪声的状态空间模型.根据极大极小鲁棒估计原理,基于带不确定噪声方差保守上界的最坏情形系统,提出了鲁棒稳态Kalman一步和多步信号预报器.证明了所提出的信号预报器的鲁棒性,即对于所有容许的不确定性,信号预报器的实际稳态预报误差方差被保证有相应的最小上界.仿真例子验证了所提出方法的正确性和有效性.     

基于网络结构的高维协方差矩阵估计

本文在Lan等~([1])利用网络结构对连续变量协方差矩阵进行估计的研究基础上进行改进和扩展,给出一种基于网络结构的高维协方差矩阵估计方法,并允许响应变量异方差性存在.该方法将高维协方差矩阵的估计问题转化为关于网络结构的低维线性回归的参数估计问题,从而极大减少了计算量.在有限样本甚至n=1的情况下,该估计方法仍然适用,且估计效果会随着矩阵维数的增大而提高.此外,本文给出一种利用协方差矩阵识别网络中关键节点的方法,该方法能同时兼顾节点自身的贡献和节点对其他节点的影响程度,因此十分适用于学术合作网络.     

一种新型的局部连接BP网络模型及应用

局部连接神经网络简化了网络结构,提升了网络收敛速度和减少了网络训练复杂度,可用于函数逼近和系统建模.为了采用直观的建模方式对实际系统网络拓扑逼近,对此文章提出一种新型的局部连接BP网络模型(local BP neural network,LBPNN).该模型的网络结构可以模拟任意前馈型网络拓扑结构,其网络模型中的连接权和神经元与被模拟的网络拓扑中的边和节点一一对应.传统带约束的非线性规划和智能优化算法,其参数辨识受限条件多和算法代价较大,同时提出了与LBPNN模型相应的一种新型的带约束的随机梯度下降法(constrained stochastic gradient descent,CSGD)对其权值参数进行训练.通过算例仿真验证了CSGD训练算法的有效性,稳定性和鲁棒性.     

带Markov切换的混合随机热传导方程的指数稳定性

研究了带Markov切换和两个独立白噪声的混合随机热传导方程,利用Markov切换理论和热传导方程的性质,求得了方程强解的显示表达式,并给出了强解几乎必然指数稳定的充分条件.最后列举了一些例子阐述Markov切换和白噪声对解稳定性的影响.     

带Beddington-DeAngelis功能反应和Levy噪声的随机捕食-被捕食系统的渐近性质

本文考虑了一类带Beddington-DeAngelis功能反应和Levy噪声的随机捕食-被捕食系统.利用构建Lyapunov函数和停时技巧给出了具有正初始值系统的正解的存在唯一性.得到了系统正解的矩的渐近有界性.利用带跳的指数鞅不等式得到了解增长速度的上界估计.最后,给出了物种灭绝的充分条件.     

带附加噪声的随机广义2D Ginzburg-Landau方程的渐进行为

考虑带附加噪声的随机广义2D Ginzburg-Landau方程.通过先验估计的方法,随机动力系统的紧性得到证明,进一步验证了该随机动力系统在础存在随机整体吸引子.     

基于最小二乘法的飞机发动机安装节动态力识别

飞机舱内噪声与振动控制的一个关键技术是获取发动机安装节处的动态力,从而实现对发动机振动引发的机体结构振动和舱内噪声进行预测和控制.但对于飞机,在飞行状态下不可能对发动机安装节处的动态力进行直接测量.通过采用最小二乘法正则化逆运算,利用地面状态下发动机安装节至吊挂或发动机安装节至安装节上的结构频率响应函数,以及飞行状态下吊挂或发动机安装节上相同位置处的振动加速度响应,对发动机安装节上的动态力进行识别.通过对比逆运算过程中的矩阵条件数,判定两组动态力识别的相对准确度.通过对两组数据识别的动态力均方根值进行对比,确认通过最小二乘法识别的发动机安装节动态力满足工程使用要求.     

基于周期混合信号和时滞项的非对称双稳系统的随机共振

研究了具有周期混合信号的带时滞项和non-Gaussian噪声项的非对称双稳系统的随机共振.首先应用统一色噪声理论近似了non-Gaussian噪声项,然后用小时滞近似理论简化了时滞项,进而根据两态理论得到了系统的输出信噪比的表达式.并讨论了系统的非对称性r,时滞量τ和噪声相关时间τ_0对信噪比的影响,发现信噪比曲线上出现了随机多振现象,这种现象与不考虑时滞影响时系统中的随机共振现象是不同的.且数值模拟表明,系统的非对称性r,时滞量τ和周期混合信号的影响使得信噪比曲线上出现了多个峰值.     

一类带线性噪声随机偏微分方程的不变流形[英文]

本文研究一类带线性噪声随机偏微分方程不变流形存在性的问题.利用LyapunovPerron解析的方法,获得这类方程不变流形存在性结果.     

动载荷识别的非迭代法研究

为了快速准确地识别结构在复杂环境下的承载状态，基于有限元法和Newmark-β法提出了一种非迭代反演方法，并用于识别结构上施加的动载荷.通过探寻测量信息与待演参量之间的关系，建立误差函数，根据最小二乘法实现动载荷的直接识别无需迭代，其中对待反演的分布载荷实施基函数展开，以提高算法的抗不适定性.同时奇异值分解法被用来求解病态方程组.数值算例分别讨论了测量噪声、测点数量、基函数展开、测点位置和不同时间步长对反演结果的影响，结果显示该方法在识别动载荷时具有较高的精度和效率.