Synchronization of stochastically hybrid coupled neural networks with coupling discrete and distributed time-varying delays

A general model of linearly stochastically coupled identical connected neural networks with hybrid coupling is proposed, which is composed of constant coupling, coupling discrete time-varying delay and coupling distributed timevarying delay. All the coupling terms are subjected to stochastic disturbances described in terms of Brownian motion, which reflects a more realistic dynamical behaviour of coupled systems in practice. Based on a simple adaptive feedback controller and stochastic stability theory, several sufficient criteria are presented to ensure the synchronization of linearly stochastically coupled complex networks with coupling mixed time-varying delays. Finally, numerical simulations illustrated by scale-free complex networks verify the effectiveness of the proposed controllers.     

深度卷积网络的多品种多厂商药品近红外光谱分类

近红外光谱（NIR）分析具有分析高效、样品无损、环境无污染以及可现场检测等优点,特别适合药品的快速建模分析。但NIR存在吸收强度弱以及谱带重叠等缺点,需要建立稳健可靠的化学计量学模型对其进行分析。深度卷积神经网络是深度学习方法中一个重要分支,它通过逐层抽取数据特征并进行组合、转换,形成更高层的语义特征,具有极强的建模能力,广泛应用于计算机视觉、语音识别等领域,而在药品NIR分析方面尚未见报道。基于深度卷积网络模型,对药品NIR多分类建模进行研究。针对药品NIR数据的特点,设计若干个面向多品种、多厂商药品NIR分类的一维深度卷积网络模型。模型中卷积层和池化层交叠排列用于逐层抽取NIR数据特征,输出层连接softmax分类器,对药品NIR数据进行分类概率预测。在输出层之前采用全局最大池化层,将特征图进行整体池化,形成一个特征点,用于解决全连接层存在的限制输入维度大小,参数过多的问题。同时,在网络模型中引入批处理操作和dropout机制,以防止梯度消失和减小网络过拟合的风险。在网络模型的设计过程中,通过设计不同的卷积网络层数以及不同的卷积核尺寸大小,分析其对建模效果的影响,同时分析五种经典数据预处理方法对NIR分析的影响。以我国7个厂商生产的头孢克肟片和11个厂商生产的苯妥英钠片样本NIR为实验对象, 建立药品的多品种、多厂商分类模型,该模型在二分类、多分类实验中取得了良好的分类效果。在十八分类实验中,当训练集与测试集比例为7∶3时,分类准确率为99.37±0.45,比SVM, BP, AE和ELM算法取得更优的分类性能。同时,深度卷积神经网络模型推理速度较快,优于SVM和ELM算法,但训练速度慢于二者。大量实验结果表明,深度卷积神经网络可对多品种、多厂商药品NIR数据准确、可靠地判别分类,且模型具有良好的鲁棒性和可扩展性。该方法也可推广到烟草、石化等其他领域的NIR数据分类应用中。     

基于GA-BP的移动通信设备故障诊断

针对通信设备故障发生随机性强,影响因素多,对应的故障诊断有高度非线性和不确定性的特点,采用BP神经网络算法,优化的GA-BP神经网络算法和POS-BP神经网络算法分别搭建基站设备故障诊断模型,提取设备故障历史数据进行MATLAB仿真,准确预测设备故障类型,帮助提高代维公司调度管理的智能化水平,提高基站设备运维的执行效率。仿真结果表明：本文的BP,GA-BP和POS-BP神经网络算法都能够实现设备故障类别的预测,且GA-BP神经网络算法相比BP和POS-BP神经网络算法对通信设备故障诊断有更好的适应性。     

光诱导准一维光子晶格中离散空间光孤子的相互作用

基于分步束传播法数值分析了离散空间光孤子在准一维光诱 导光子晶格中的相干与非相干相互作用过程. 结果表明: 对于相干孤子, 同相时相互吸引, 反相时相互排斥. 然而, 由于非线性响应的各向异性, 横向排布的非相干孤子会因间隔波导数目的增加而由相互吸引变为相互排斥. 并且, 沿对角方向排布的两个非相干孤子在孤子相 互作用力和布拉格反射的共同影响下, 会呈现出"钟摆式"振荡传输现象. 研究结果有助于进一步理解非线性各向异性对离散孤子相互作用的影响机制, 并为后续实验研究提供理论参考.     

离散颗粒层被横向推移过程中的力学行为研究

研究发现,颗粒物质层被匀速推移挤压过程中,所需推移力先以线性规律增加,在某一确定点后,则会以指数规律增加.而颗粒物质是由众多离散颗粒组成的软凝聚态物质,其宏观上反映的是离散颗粒的个体性质和凝聚态物质的集体效应.颗粒与颗粒之间以及颗粒与边界之间的细观尺度接触力链的构成以及演变规律将会直接影响各种宏观受力情况,其摩擦力与挤压力便是力链的主要构成形式.围绕着定量描述细观力链特征,从而揭示力的变化规律这一目标,采用计算机模拟的方法,依照球形颗粒Hertz法向接触理论和Mindlin-Deresiewicz切向接触理论,对重力作用下不同数目的三维等径球体颗粒层的推移情况进行了离散元仿真模拟,量化分析了推移力变化规律、各摩擦力变化规律以及力链分布规律,发现摩擦力与挤压力在颗粒堆积的不同阶段对力链的构成起到了不同的主次作用,使得力链发生强弱演变,从而发现了推移颗粒物质层时推移力的变化规律及原因.这些结果有利于从力链角度揭示颗粒内部和颗粒与各边界之间的受力情况.     

基于相息图迭代的随机相位加密

提出了一种将随机相位加密和相位恢复算法中的求解附加相位分布分二步实施的加密方法. 由于该方法的实质是通过在随机谱和相息图之间进行相位恢复迭代以确定相息图和密钥的相 位分布，因而能够减小图像的解密误差.在相息图相位离散化的迭代过程中，采用增大设计 冗余度的方法，降低了由相位离散化所带来的解密误差.最后，通过计算机模拟实验验证了 该方法在减小图像解密误差方面的有效性. 关键词： 随机相位 光学图像加密 相息图 二元光学 离散化误差 相位恢复算法     

电压反馈型DC-DC变换器的稳定性研究

建立了电压反馈型DC-DC变换器连续运行模式下的频闪映射模型，利用离散映射方程的Jacobian矩阵的特征值分析了变换器在参数变化时不动点的失稳情况. 以具体的电压反馈型buck变换器为例， 通过理论分析与数值仿真，两者的结果具有很好的一致性，表明利用离散映射分析DC-DC变换器的稳定性是切实可行的. 关键词： 离散映射模型 DC-DC变换器 稳定性     

金纳米粒子光学性质中的尺寸和形状效应

纳米尺度的金属及半导体呈现出特殊的光学、电学及磁学性质,采用近年发展起来的离散偶极近似(DDA)的方法,我们分析了金纳米粒子的尺寸及形状对其光学性质的影响。粒子周围介质的影响在文中亦作了分析。计算结果显示,金纳米粒子的等离子体吸收带同时受到粒子尺寸和形状的影响,但来自形状的影响更为明显。与米氏理论及扩展的甘氏理论相比较,DDA方法在粒子尺寸不再远小于入射光波长的时候更准确,并能应用于任何形状的纳米粒子。理论计算与实验结果能较好的吻合。     

基于混沌离散PSO算法的乙烯生产过程模型变量的选择

管式炉裂解技术是当今乙烯生产的主要技术,乙烯生产过程中有多种影响质量指标的变量,将全部变量参与建模显然会增加建模难度和复杂性,并且大量的冗余信息会降低模型的精度;针对这一问题,提出了基于混沌思想的离散粒子群(PSO)算法进行模型变量的选择;首先,采用混沌离散PSO算法得到建模的最优输入变量集合,再通过偏最小二乘法(PLS)对所选变量进行建模;结果表明,该方法可更有效地克服传统粒子群算法容易陷入局部最优的问题并建立较高的模型精度。     

时频域分形维数分析的光谱信号重叠峰解析算法

由于光谱谱线存在自然展宽、多普勒展宽、碰撞展宽等,使混合气体中多种成分的吸收光谱信号出现相邻谱峰重叠现象,给混合气体组成成分的定性或定量检测带来较大的困难。现有的方法在获取先验知识、处理精度、运算效率等方面存在不足。提出基于时频域分形维数分析的光谱信号重叠峰解析算法,结合小波的多尺度观测能力和分形的自相似度的度量能力,识别、定位和解析光谱信号中的重叠峰。首先利用小波对具有重叠谱峰的光谱信号进行光谱频率域和尺度域的分析,然后对该时频域的光谱信号在同一光谱频率下的多尺度数据进行自相似性度量和分形计算。逐频率计算后得到光谱信号在频率域的分形维数曲线。该曲线体现了光谱信号在不同尺度的自相似性,其极值位置与光谱信号的各独立峰的位置具有相关性。依据此特性,结合分形曲线的特征参数,最后利用神经网络解析出对应混合气体成分的混叠在一起的各个独立谱峰。该方法利用小波的多分辨率特性,对信号进行不同尺度的精细度量。分形模型则提高了系统解析复杂信号的能力,对重叠程度高的多谱峰重叠信号也有很强的处理能力。借助人工神经网络,实现了整个算法的自动测量。通过实验结果分析,验证了算法的有效性,并讨论影响算法效果的主要因素。