一种基于LSTM-Blacklist的动态信任度证明机制

针对区块链网络中共识节点的恶意行为导致的区块链系统安全问题,提出一种基于LSTM(long short-term memory)-Blacklist的动态信任度证明机制(PoDT-LSTMB)。该动态信任度证明机制通过前向注意力机制的两层LSTM神经网络学习并分析参与共识节点的行为数据,预测节点行为倾向。以节点信任度为基础构建黑名单,剔除低于信任度阈值的节点,提高全网节点的总体可信性。以正常区块上链率以及节点信任度的变化为主要评估指标,与信任度证明PoT(Proof of Trust)机制以及不带黑名单的PoDT-LSTM机制进行了对比实验。实验结果表明,基于前向注意力机制的两层LSTM神经网络结构准确率可达0.915 1,本文提出的PoDT-LSTMB机制比PoT机制的正常区块上链率提高30%～33%。     

模糊偏好关系下考虑从众行为的群体共识决策方法

随着决策面临的环境越来越复杂,个人决策因其局限性难以达到有效决策的标准,致使群体决策变得更为常见;而当决策者行动时,常需考虑他人的判断和行为,使得从众行为成为群体决策中的重要影响因素.因此,文章基于模糊偏好关系提出一种考虑从众行为的群体共识决策方法,能有效节省达成共识所付出的成本.首先,根据模糊偏好关系的特征,设计一致性检验方法和调整模型,为后续的共识达成提供可靠的偏好关系.其次,考虑到专家受到群体规范的压力而产生从众行为,从而对初始效用值进行修正.然后,提出考虑从众行为的最小成本共识模型,进一步设计相应的共识达成算法.最后,计算各已选方案到理想点的距离,运用TOPSIS方法对已选方案进行排序,并通过一个企业产品升级改良的算例来分析说明所提方法是有效的和可行的.     

关于区间数决策矩阵的专家群体判断共识性研究

针对群决策中基于区间数决策矩阵形式偏好信息的专家群体判断共识性问题,提出了一种分析方法.首先,给出了有关区间数的定义及其运算法则;然后,通过定义有关区间数决策矩阵的区间数向量,给出了各个专家与专家群体判断的共识性分析方法,同时,也给出了基于区间数决策矩阵的专家群体判断共识性的判别方法.最后,通过一个算例说明了本文提出的分析方法.     

在向量解题中强化学生的解题意识

向量在近几年高考中越来越重要,其工具性作用已渗透以数学的各个分支.解答题中主要是以向量为载体的综合问题,体现向量"搭台",其他知识"唱戏"的特点.近年来高考中小题综合化的特点,已被大家所共识.选填题中对向量知识的考查更加灵活多变,对学生能力要求较高,可是只要是题型新颖一点或能力要求高点的题就成为学生得分的"事故多发地带".……     

省珠协三届八次常务理事扩大会议总结

省珠协三届八次常务理事(扩大)会议，开了两天，现在就要结束了，出席这次会议的代表共45人，经过大家认真讨论，对需要解决的问题和今后的工作安排基本上达成了共识，可以说圆满地完成了本次会议的各项议程。     

多模型共识偏最小二乘法用于近红外光谱定量分析

将多模型共识偏最小二乘法用于近红外光谱定量分析。利用随机抽取的训练子集建立一系列偏最小二乘模型,选取其中性能较好的部分模型作为成员模型,用这些成员模型来预测未知样品。将该方法用于一组生物样本的近红外光谱与样品中人血清白蛋白、γ-球蛋白以及葡萄糖含量之间的建模研究,并与单模型偏最小二乘法了进行比较。结果 PLS对独立测试集中三种组分进行50次重复预测的平均RMSEP分别为0.1066,0.0853和0.1338,RMSEP的标准偏差分别为0.0174,0.0144和0.0416;而本方法重复预测的平均RMSEP分别为0.0715,0.0750和0.0781,RMSEP的标准偏差分别为0.0033,0.2729×10-4和0.0025。