变时滞Hopfield神经网络的全局吸引性和全局指数稳定性

对一类具时滞的Hopfeild型神经网络模型,在非线性神经元激励函数只要求满足Lipschitz连续的条件下,利用推广的Halanay时延微分析不等式、Dini导数以及泛函微分析技术,给出了这类模型的平衡点全局指数稳定性和全局吸引性的充分条件,这些条件易于检验,且改进和推广了前人的结论.此外,此文给出了研究神经网络模型的全局吸引性的微分不等式比较方法.     

电力企业网的安全漏洞状况及划分

在利用安全漏洞扫描工具对计算机系统进行扫描时,能够发现大量的安全漏洞,但是目前对漏洞严重性的划分没有和应用环境相结合,划分的也不够细致。分析了一个电力企业网内部安全漏洞的状况,提出了与应用环境相结合的漏洞严重性的划分方法。该方法使漏洞严重性划分得更加细致,从而使系统安全管理员可以在最短的时间内修补更严重的安全漏洞。     

单重工作休假M/M/c排队驱动的流体模型分析

该文在M/M/c排队驱动系统中加入工作休假策略,研究了单重工作休假多服务台排队驱动的流体模型.利用拟生灭过程和矩阵几何解法得到驱动系统稳态队长分布.构建净输入率结构,导出流体模型的稳态联合分布函数满足的的矩阵微分方程组,进而利用Laplace-Stieltjes变换(LST)方法得到稳态下缓冲器库存量的空库概率及均值表...     

一种基于网络的入侵检测模型及其实现

在入侵检测CIDF体系结构基础上,提出了基于网络的二层式多数据包分析入侵检测模型.这一模型中,事件分析器对当前事件分两层进行处理:先将当前事件结合历史事件进行关联分类,找出与当前事件关联紧密的历史事件;然后对包含当前事件的这一类关联事件进行回归分析,最终发现潜在的协同攻击和分布式入侵行为.仿真试验说明该算法模型能够检测出传统入侵检测系统难以发现的分布式入侵行为.     

基于卷积神经网络感知功能的极端场景生成方法

近年来,基于卷积神经网络深度学习的感知算法在自动驾驶车辆环境感知系统中发挥着越来越重要的作用。由于在神经网络训练过程中,训练数据无法覆盖所有极端场景,因此如何保证基于深度学习的感知算法在极端场景下的安全性和可靠性,仍是一个亟待解决的问题。传统的基于真实行驶里程的验证方法,在获取极端场景数据上危险性高,经济性差,因此很难检验驾驶功能在极端场景下的性能。基于虚拟场景的仿真验证方法,虽然可以通过设置场景参数来生成大量测试场景,但是通过简单的参数组合并不能有效的生成极端场景。本文展示了一种在虚拟环境中生成极端场景的方法,用于训练和测试基于深度卷积神经网络的车道线识别算法。首先将场景特征用参数进行表示,然后使用deep Q-learning强化学习的方法,来生成极端场景的参数组合。通过与随机组合以及成对组合场景参数的方法进行对比,可以看出该基于强化学习的场景生成方法可以更有效地生成极端场景,因此可提高自动驾驶感知功能的测试效率,同时可为卷积神经网络提供更多的极端场景训练数据。     

基于地下水入渗反演解析的污水管网破损数值化定位

地下水位高于管道埋深的地区,污水管道破损会导致大量地下水入渗,严重影响城市污水治理效能。高密度城市交通繁忙、高楼林立,难以开挖查找破损管道;物理探测方法操作复杂,价格不菲,难以推广。污水管网破损摸排成为制约城市污水治理的瓶颈问题。为此,利用粒子群算法,建立了高地下水位地区污水管道破损寻优定位模型,通过管网水力学模型和关键检查井水位监测信息,开发了城市污水管网破损的数值化定位技术。该技术方法在某城市污水管网进行了实例验证,结果表明基于检查井水位对地下水入渗流量进行解析,可确定破损点位,相对误差小于5%。在此基础上,进一步探究了监测点数量对破损点寻优定位精度的影响,结果表明只需监测60%的节点,寻优定位的查准率和查全率分别可达到75%和94%。     

多层深度愿景型科技发展战略模型的构建

从科技发展战略的演变过程入手,分析科技发展战略的基本构成要素和维度,并通过深度神经网络模型研究未来、愿景、情景、场景、技术等多要素之间的互相作用机制,构建出一个四层基本结构和两条作用机制的双向多层神经网络模型,及其基本实施流程。     

公路网规划的累积影响评价

分析了公路网规划的累积影响评价的程序和要点,包括评价目的、评价范围、评价要素和评价程序,提出了适合公路网累积影响评价的方法,并对各方法在累积影响中适用性做了初步地探讨.     

基于在线神经网络的自适应控制器的设计与应用

针对线性控制系统自适应性较弱的缺点,在其基础上设计了一种基于在线神经网络的自适应控制器．该控制器根据被控对象和参考模型之间的误差调整网络权值,在线抵消被控对象的未建模动态特性和不确定因素．文中以某小卫星姿态控制系统为例,对所提出的自适应控制器进行设计和仿真．结果表明,神经网络以很高的精度跟踪和在线补偿不确定项,改善了线性控制系统的动态性能．     

大规模网络中基于FFT的呼叫阻塞率的快速算法

在大规模网络条件下,Kaufman提出的一维递推快速呼叫阻塞率（CBP）算法由于其呼叫阻塞率的计算将导致系统计算溢出,改进的Kaufman方案虽然消除了计算溢出,但是其计算时间随网络规模的变大呈指数增长．有鉴于此,文中提出了一种基于快速傅立叶变换（FFT）方法和计算溢出避免预处理机制的呼叫阻塞率快速计算方法．仿真结果表明,该算法消除了计算溢出且降低了计算复杂度,具有计算简单、无误差、速度快的优点．