小微企业信用风险评估的IDGSO-BP集成模型构建研究

针对传统BP神经网络在小微企业信用风险评估实际应用中,随机初始权值和阈值导致网络学习速度慢、易陷入局部解以及运算结果误差较大等缺陷,借助群智能萤火虫(GSO)算法,提出一种基于改进离散型萤火虫(IDGSO)算法的BP神经网络集成学习算法的小微企业信用风险评估IDGSO-BP模型。该模型以BP神经网络为基本框架,在学习过程中引入离散型萤火虫算法,优化设计神经网络的网络结构与连接权值,得到一组相对合适的权值与阈值,再进行新一轮网络训练,以“均平方误差最小”为评价准则,产生网络的输出结果,以此建立小微企业信用风险评估模型。其仿真实验结果表明,该模型在收敛速度及运算精度方面较传统BP神经网络模型、遗传GA-BP模型及连续GSO-BP模型有较明显优势。因此,IDGSO-BP模型可以有效提高小微企业信用风险评估的准确性。     

基因调控网络推断研究进展

随着高通量技术的发展,越来越多的生物医学组学数据亟需处理与分析,基于运筹优化的生物信息学方法是有效解析高维生物医学数据的重要途径之一。综述了近年来在基因调控网络推断方面的研究进展。针对不同类型的转录组学数据和研究目的,分别建立了相应的基因调控网络推断方法,主要包括先验基因调控网络数据库的建立、基于条件互信息的因果网络推断、基于微分方程的动态基因调控网络推断、转录调控和转录后调控协同作用的网络推断以及基因调控网络活性评价等,并展望了基因调控网络推断的重要研究方向。     

考虑边流量有限的网络路径博弈问题研究

考虑每条边有流量约束的网络路径博弈问题, 根据收益函数单调递增的特点分析其内在零和性质, 并建模为存在公共边的路径博弈模型。在寻找均衡解的过程中, 首先考虑非合作的情形, 在局中人风险中性的假设下, 给出了求Nash均衡流量分配的标号法并证明该均衡分配的唯一性。接着进一步考虑局中人合作的可能性, 给出模型求得所有局中人的整体最大收益, 并基于纳什谈判模型给出目标函数为凸函数的数学模型确定唯一收益分配方案。事实上, 该方案是对剩余价值的平均分配。最后给出一个算例, 验证本文理论和方法的可行性。关键词:流量约束; 均衡流量; 网络路径博弈; 收益分配     

平台参与下网络食品安全政府监管策略研究

针对“互联网+食品”新兴业态产生的更为严峻的食品安全问题,本文研究政府对网络食品安全实施直接监管下的最优监管策略,以及在网络平台参与监管时政府的最优间接监管策略,并考虑了网络平台与食品企业合谋对监管效率的影响。结果表明,在食品安全问题被发现的概率越大或食品安全问题发生对政府影响较大时,选择直接监管策略会更优;但监管成本的增加会降低政府直接监管的动因,促使政府选择间接监管策略;比较两种策略可知,间接监管模式更能抑制平台与企业的合谋行为。此外,研究还表明在直接监管策略下,由于提高食品企业的惩罚力度会降低政府的监管强度,因此加大惩罚并不总能提高政府的效益;而在间接监管策略下,加大对网络平台的惩罚会使网络平台加大监管力度,从而提高政府的效益。     

融合神经网络与数值计算的人体逆向运动学求解

人体逆向运动学问题是人体运动合成、人体运动捕获和理解的基本问题.由于人体关节链式系统的复杂性,人体逆向运动学方程往往存在多解或无解的情形.传统的方法通常采用解析或数值迭代方法求解逆向运动学问题,在给定足够多约束的情形下能够得到比较好的解,但无法处理少量约束下生成自然的人体姿态问题.近年来,从大规模数据集中学习统计模型参数的思想被广泛运用,求解人体逆向运动学的机器学习方法中经典工作|混合Gauss逆向运动求解模型(Gaussian mixture model-inverse kinematics,GMM-IK)就提出利用混合Gauss模型建模人体姿态数据分布,并采用期望最大化方法求解参数.随着深度学习技术的发展,本文提出一种自编码神经网络与数值迭代融合的方法,在给定少量约束的情形下依然能够得到自然的人体姿态,相较于GMM-IK方法,本文所提出的方法通过神经网络自动学习姿态分布,省去了模型的假设和特征的设计,且量化实验显示本文方法的关节坐标和角度重建误差相较于GMM-IK模型平均减少了25%和39%.在应用方面,本文方法可处理光学运动捕获数据,也可用于图像视频的人体姿态估计等领域.     

基于二阶段异质随机森林的汽油辛烷值预测

构建了基于二阶段异质随机森林的汽油辛烷值预测模型.首先利用样本-位点信息表知识约简模型,筛选出对汽油辛烷值影响大的位点数据作为第一阶段;然后,利用集成学习思想集成支持向量回归和动态时间序列神经网络,构建异质随机森林预测模型作为第二阶段.利用十折交叉法验证模型精度,结果表明该集成学习算法具有有效性和高精度.     

AN ACCELERATION STRATEGY FOR RANDOMIZE-THEN-OPTIMIZE SAMPLING VIA DEEP NEURAL NETWORKS

Randomize-then-optimize (RTO) is widely used for sampling from posterior distribu-tions in Bayesian inverse problems.However,RTO can be computationally intensive for complexity problems due to repetitive evaluations of the expensive forward model and its gradient.In this work,we present a novel goal-oriented deep neural networks (DNN) sur-rogate approach to substantially reduce the computation burden of RTO.In particular,we propose to drawn the training points for the DNN-surrogate from a local approximated posterior distribution-yielding a flexible and efficient sampling algorithm that converges to the direct RTO approach.We present a Bayesian inverse problem governed by elliptic PDEs to demonstrate the computational accuracy and efficiency of our DNN-RTO ap-proach,which shows that DNN-RTO can significantly outperform the traditional RTO.     

基于一维元胞自动机的复杂网络恶意软件传播研究

基于一维元胞自动机,研究复杂网络恶意软件传播行为.利用信息网络节点全局交互的特点,建立元胞自动机邻域和状态转换函数,提出恶意软件传播模型,研究在多种网络拓扑下恶意软件传播的概率行为.研究表明,该模型能够准确描述在最近邻耦合网络（nearest-neighbor coupled network, NC）,Erdos-Renyi（ER）随机网络,Watts-Strogatz（WS） 小世界网络和Barabasi-Albert（BA）幂率网络等拓扑下的传播动力学行为,不仅能反映恶意软件传播的平均趋势,而且可以描述病毒消亡和渗透等稀有概率事件,有效克服基于平均场方法建立的微分方程模型只能反映传播的平均趋势,只适合对传播作整体预测的局限性.同时,研究指出网络中度分布的异质化程度和网络的局域空间交互特征是影响传播及免疫行为的关键要素. 关键词： 复杂网络 恶意软件传播 元胞自动机 状态转换函数     

基于光电导开关的脉冲光源稳定设计

为了稳定脉冲光源,提出了一种基于光电导开光的设计思路。脉冲光源经过光分路器后,一大部分光经过适当长度的光纤延迟线接到普克尔盒光输入端,而小部分光通过误差调整电路,使普克尔盒两端的电压能够随前端光功率的大小而适当调节,最终输出稳定光源。     

基于视频推荐技术的无线网络视频服务器设计

无线网络视频服务器中视频推荐技术已成为重要技术之一,视频推荐技术是为了用户在使用无线网络是视频务器时,更快的找到感兴趣的视频。采用当前方法对用户进行视频推荐时,未考虑用户的兴趣偏好是否随着时间有所变化,使视频推荐出现偏差。为此,提出一种基于视频推荐技术的无线网络视频服务器设计方法。该方法首先使用无线网络视频服务器硬件部分的MPEG-4进行视频数据采集,并对MPEG-4采集的视频数据进行整理。在由软件部分把采集到的视频数据储存到缓冲区,进行视频缓冲,并建立视频数据队列进行视频数据输送。以计算无线网络视频的相似度来搜索相近视频,将搜索到的视频与目标用户观看过的视频进行对比,对比相似度越接近1,则说明用户对推荐视频感兴趣的几率大,反之越接近-1用户对推荐视频越不感兴趣。此计算方法能有效的从海量视频数据中快速的搜索出目标用户感兴趣视频。实验结果表明,将视频推荐技术应用到无线网络视频中可以迅速准确的搜索出目标用户感兴趣视频。