有倾向性重连产生的反匹配网络

在具有网络结构的系统中度关联属性对于动力学行为具有重要的影响, 所以产生适当度关联网络的方法对于大量网络系统的研究具有重要的作用. 尽管产生正匹配网络的方法已经得到很好的验证, 但是产生反匹配网络的方法还没有被系统的讨论过. 重新连接网络中的边是产生度关联网络的一个常用方法. 这里我们研究使用重连方法产生反匹配无标度网络的有效性. 我们的研究表明, 有倾向的重连可以增强网络的反匹配属性. 但是有倾向重连不能使皮尔森度相关系数下降到-1, 而是存在一个依赖于网络参数的最小值. 我们研究了网络的主要参数对于网络度相关系数的影响, 包括网络尺寸, 网络的连接密度和网络节点的度差异程度. 研究表明在网络尺寸大的情况下和节点度差异性强的情况下, 重连的效果较差. 我们研究了真实Internet网络, 发现模型产生的网络经过重连不能达到真实网络的度关联系数.     

空间关联白噪声影响下小世界神经元网络系统的同步动力学

以电耦合的Terman-Wang小世界神经元网络系统为研究对象, 研究了空间关联白噪声影响下神经元网络系统的同步动力学. 首先将动力学平均场近似理论扩展到受空间关联白噪声影响下的小世界网络系统中, 将描述网络系统动力学演化的2N维随机微分方程简化为11个确定性的矩微分方程. 其次, 基于动力学平均场近似理论所推导的矩方程, 讨论了空间关联噪声、网络结构参数对神经元网络系统同步动力学的关键影响, 发现较大的噪声空间关联系数、耦合强度及节点平均度均对神经元网络系统同步放电具有积极作用. 进一步地, 利用计算机仿真数值模拟原神经元网络系统的同步动力学, 并与基于动力学平均场近似理论所得到的结果进行比较, 发现二者具有较好的一致性.     

基于多模差分融合的高速车辆定位算法

针对车辆高速运动下定位延时大、精度低、稳定性差的问题,发挥GPS、RSSI和INS三种定位模式的各自优势,将GPS差分校准算法与RSSI测距相结合求解横坐标,将RSSI测距与INS惯导迭代算法相结合求解纵坐标,提出了一种适合高速运动车辆的多模差分融合精确定位算法。以四车道的高速路为场景进行了仿真实验,当车速为70km/h时,跟踪误差<1m,定位延时<0.2s。实验结果表明,该算法可实现车身级和车道级定位,在精确交通诱导、车辆防撞等智能交通领域具有应用前景和推广价值。     

五分类血液分析仪的智能光学系统设计

目前国内血液分析仪的白细胞五分类大多以硬件方式实现,且存在硬件结构复杂,制作成本高和过度依赖某些精密部件等问题。为简化五分类仪器的系统结构,提出了一种用于白细胞五分类的智能光学系统,该系统以全光学技术作为白细胞检测方式,采用VC6.0作为软件开发平台,建立了RBF神经网络的白细胞五分类识别算法模型,整个细胞识别和分类过程完全由软件实现,从而降低硬件复杂程度,减小了外界干扰因素的影响。实验结果：样机对LYM、MON、NEU、EOS、BAS的测试相对偏差分别为1.43%、4.41%、3.92%、2.94%、11.1%,满足了国家标准中的性能要求,故仪器整体的分类结果比较理想。结论：本文提出的智能光学系统具有性能稳定可靠、抗干扰能力强的特点。     

基于扩展度的复杂网络传播影响力评估算法

对网络中节点的传播影响力进行评估具有十分重要的意义, 有助于促进有益或抑制有害信息的传播. 目前, 多种中心性指标可用于对节点的传播影响力进行评估, 然而它们一般只有当传播率处于特定范围时才能取得理想的结果. 例如, 度值中心性指标在传播率较小时较为合适, 而半局部中心性和接近中心性指标则适用于稍大一些的传播率. 为了解决各种评估指标对传播率敏感的问题, 提出了一种基于扩展度的传播影响力评估算法. 算法利用邻居节点度值叠加的方式对节点度的覆盖范围进行了扩展, 使不同的扩展层次对应于不同的传播率, 并通过抽样测试确定了适合于特定传播率的层次数. 真实和模拟数据集上的实验结果表明, 通过扩展度算法得到的扩展度指标能在不同传播率下对节点的传播影响力进行有效评估, 其准确性能够达到或优于利用其他中心性指标进行评估的结果.     

基于ZigBee网络和超声定位的智能跟随小车

基于成熟的IEEE802.15.4协议和ZigBee无线模块,结合超声定位,设计了一种新颖的智能跟随系统。设计的核心为PIC18F4620单片机和MRF24J40MA无线收发模块,通过无线收发来完成节点间的识别与同步,同时以超声测距系统完成对被跟踪目标的定位,通过控制驱动电机动作实现对指定目标的定距离跟随。控制网络以子网的形式控制不同系统的分时定位跟随,同时管理各移动定位系统的入网和切换。样机测试结果表明系统达到了预期的跟随设计要求,具有一定的工程使用价值。     

基于物联网的新型视频监控系统的设计与实现

为了实现包括服务端和客户端的一套简单、稳定、可靠的新型视频监控系统。首先分析了视频监控系统的发展历史和趋势,提出基于移动互联网的视频监控系统方案,并选定Android作为系统实现的平台;明确了需求和目标,设计出系统的整体方案,并搭建了系统的程序框架;再根据系统程序框架的设计,详细地设计并实现了各个子功能模块,其中主要的功能模块有视频采集与视频回显模块,视频预处理模块,视频编解码模块和视频存储模块等;最后,对整个系统进行了综合测试,验证了其功能的完整性,得出系统的性能表现数据。经实验证明,所设计系统使用便利,需求中指定的功能也基本实现,程序的运行稳定高效可靠,能达到预期效果,具有一定的实用性和研究意义。     

Computational-Based Approach for Predicting Porosity of Electrospun Nanofiber Mats Using Response Surface Methodology and Artificial Neural Network Methods

Comparative studies between response surface methodology (RSM) and artificial neural network (ANN) methods to find the effects of electrospinning parameters on the porosity of nanofiber mats is described. The four important electrospinning parameters studied included solution concentration (wt.%), applied voltage (kV), spinning distance (cm) and volume flow rate (mL/h). It was found that the applied voltage and solution concentration are the two critical parameters affecting the porosity of the nanofiber mats. The two approaches were compared for their modeling and optimization capabilities with the modeling capability of RSM showing superiority over ANN, having comparatively lower values of errors. The mean relative error for the RSM and ANN models were 1.97% and 2.62% and the root mean square errors (RMSE) were 1.50 and 1.95, respectively. The superiority of the RSM-based approach is due to its high prediction accuracy and the ability to compute the combined effects of the electrospinning factors on the porosity of the nanofiber mats.     

大规模光电混合神经网络中的可编程拓扑重构

提出了一种在大规模光电混合神经网络系统实现可编程拓扑重构的有效方法，文中介绍了这种方法的原理，运用技术以及采用这种方法在已有的ＮＰ１０２４光学／数字神经网络处理器中运行单层反馈型和多层前馈型等不同网络拓扑结构的实验结果。     

用于光学神经网络硬件系统误差纠正的虚拟神经网络

提出了一种用于修正光学神经网络硬件系统误差的虚拟神经网络模型，光学实验结果表明该网络能够有效地消除硬件系统误差对实验结果的影响。