基于RBM的神经网络时间序列预测

为了克服神经网络依赖初始化结果,泛化能力不强的缺点,提出一种基于受限玻尔兹曼机(RBM)的神经网络模型.利用无监督学习方法优化神经网络的初始权值和阈值,将RBM与神经网络融合起来,模型与时间序列神经网络做实验对比,结果表明,基于受限的玻尔兹曼机的神经网络模型优于神经网络预测模型,模型可以提高预测的精准度,具有一定的应用意义.     

基于荧光光谱技术的菜籽油氧化状态智能评价

菜籽油在加工及贮藏过程中，易受氧气、温度、光照等因素的影响，产生氧化酸败现象。为准确判断油脂氧化程度，实现不同氧化模式下菜籽油品质的快速判别，采用三维同步荧光光谱技术结合平行因子分析法及BP神经网络法建立菜籽油氧化状态的智能评价模型。以冷榨菜籽油为原料，将样品分别置于常温、Schaal烘箱、高温模式中氧化处理，期间采集菜籽油的三维同步荧光光谱数据及理化指标，当理化指标超出国标限定范围时，停止采集数据。结果表明，菜籽油中荧光物质在不同氧化模式中的演变规律呈显著差异，氧化温度对菜籽油荧光光谱有明显影响。常温氧化350 d与第1 d相比，菜籽油的特征荧光峰位置无变化，仅在激发波长Ex为620和660 nm附近荧光峰强度发生微弱变化；Schaal烘箱氧化26 d后，在激发波长Ex为620和660 nm附近荧光峰强度显著减弱，且在激发波长Ex为350～450 nm之间有新的荧光峰生成；高温氧化48 h后，Ex为620和660 nm处荧光峰消失，在Ex为400～550 nm处产生显著荧光峰，相对Schaal烘箱氧化，荧光波长发生一定程度红移，这是由于高温氧化过程中油脂氧化生成的物质稳定性较差引起的。利用平行因子分析法对三维同步荧光光谱数据进行分解获取有效的二维荧光光谱数据，当组分数为6，Δλ=60 nm时激发波长的载荷值最大，不同样品间差异最显著。选定Δλ=60 nm波段的二维荧光光谱数据用于智能评价，作为BP神经网络模型的输入值，以极性组分作为模型输出值，分别对菜籽油三种氧化模式数据建模训练。实验结果表明，三种氧化模式对应的训练集、验证集、测试集模型相关系数r均能达到0.9以上，其中常温氧化模式中验证集及测试集模型的相关系数r为1，输出值与目标值较接近，模型的预测效果较好；综合三种氧化模式数据建模，对应训练集、验证集、测试集模型的相关系数分别为0.999，0.913和0.988，均方误差均较小，说明该模型能准确判断菜籽油的不同氧化状态。因此，三维同步荧光光谱技术结合平行因子分析法、BP神经网络法建立快速检测模型能实现菜籽油不同氧化状态的判别，为菜籽油的氧化程度的评价提供新方法，同时为其他食用油的品质评价提供参考。     

一类正交空间填充设计的构造

空间填充设计在计算机试验中应用十分广泛,当拟合回归模型时,正交的空间填充设计保证了因子效应估计的独立性.基于广义正交设计,文章给出了构造二阶正交拉丁超立方体设计和列正交设计的方法,新构造的设计不仅满足任意两列之间相互正交,还能保证每一列与任一列元素平方组成的列以及任两列元素相乘组成的列都正交.当某些正交的空间填充设计不存在时,具有较小相关系数的近似正交设计可作为替代设计使用.设计构造的灵活性为计算机试验在实践中的广泛应用提供了必要的支持.     

云制造平台加工能力分享调度优化研究

云制造平台加工能力分享的调度优化是云制造模式的核心运营问题。为提高云制造平台对参与能力分享企业资源的利用率,解决实际云制造需求环境下企业级制造资源调度问题,达到云制造平台动态实时的要求,以最小化工期和成本为目标函数,构建了基于平台并面向分享的云加工能力调度模型。为快速求解多个云任务订单的最优调度序列,引入任务简易编码和随机权重,设计了改进的二阶粒子群算法,并提出可分享加工能力时间窗的更新策略。最后,通过算例验证云制造平台加工能力调度机制的可行性和有效性。     

基于最坏情况条件鲁棒利润的发电机组最优组合

采用最坏情况条件风险价值方法刻画电价风险,并定义最坏情况条件鲁棒利润描述发电商的利润,考虑机组启停,建立了基于最坏情况条件鲁棒利润的发电机组最优组合模型.在盒式不确定集下,将所建模型转化为混合整数二阶锥规划进行求解.通过10机24时段系统的算例仿真,验证了所建模型和求解方法的有效性.     

AR(2)模型自相关函数计算公式的回顾

本文基于AR(2)模型的Yule-Walker方程组,利用二阶线性常系数递推关系的一般理论,导出了AR(2)过程自相关函数计算公式.     

基于Deep-IndRNN的DGA域名检测方法

恶意服务常利用域名生成算法（DGA）逃避域名检测,针对DGA域名隐蔽性强、现有检测方法检测速度较慢、实用性不强等问题,采用深度学习技术,提出了一种基于Deep-IndRNN的DGA域名检测方法。方法运用词袋模型（BoW）将域名向量化,然后通过Deep-IndRNN提取域名字符间特征,并使用Sigmoid函数对域名分类检测。其主要特点在于:通过将Deep-IndRNN的多序列输入拼接为单向量输入,以单步处理代替循环处理,同时结合Deep-IndRNN能保存更长时间记忆的特点,可有效释放深度学习时占用的GPU、CPU等系统资源,且在保证高准确率和精确度的前提下提高训练、检测速度。实验结果表明,基于Deep-IndRNN的DGA域名检测方法在检测任务中具有较高的准确率和精确度,相比于DNN、CNN、LSTM、BiLSTM、CNN-LSTM-Concat等同类检测方法,能显著提高训练、检测速度,是有效可行的。     

热光二阶关联的影响因素实验研究

热光HBT测量值可定量表示热光场的二阶关联程度.实验研究了物光和参考光的光程差及热光源横向尺寸对热光二阶关联值的影响.结果表明:随着物光和参考光光程差增加,HBT值会降低并且其半高全宽增大;随着光源横向尺寸增加,HBT值降低,其半高全宽减小.     

阿尔茨海默病诊断的自适应BP神经网络模型

阿尔茨海默病(AD)和轻度认知功能损伤(MCI)具有患者多、诊断难的特点,改进BP神经网络,提出自适应BP神经网络(ABP)进行100次AD和MCI诊断模拟,ABP神经网络的诊断正确率显著高于BP和RBF神经网络.采用留一法将101例正常人、200例MCI和90例AD患者的样本分为训练集和检测集,用ABP神经网络对其进行诊断模拟,总正确率达到73.91%.