基于故障附加网络的故障分量算法

为深入认识和利用故障分量,提出了以故障分量为求解和分析对象的故障分量计算方法,它根据故障附加网络和故障分量在故障点的边界条件建立网络方程,并使用Newton法求解该方程。所提方法的特点是物理意义明确,省去了由故障全量导出故障分量的中间过程。编程计算结果表明所提算法快速、准确。该方法能够用于计算复杂电力系统简单故障或多重故障的故障分量,也可用于分析和评判基于故障分量的继电保护和各种安全自动装置的性能。     

移动ad hoc网络中的混合式多路径路由算法

针对移动adhoc网络中的拓扑结构具有快速动态变化的特点,提出了一种混合式多路径路由算法(HMPR),该算法不要求各条路径一定是不相交的,通过理论分析表明,这种多路径算法在稳定性较差的链路条件下具有更好的路由可靠性。在HMPR中,还提出了一种估计链路寿命统计特性的方法,所得结果用于寻路策略。在寻路过程中,提出了一种联合选路规则以选择最佳路径。仿真结果表明:HMPR算法可充分利用网络局部拓扑结构的稳定性,预测路径寿命,从而提高所选路径的可靠性,它以比现有的路由算法略大的开销提高了数据包投递率和传输时延性能。     

贝叶斯网络对故障树方法的改进

通过建立映射，引入作为目前处理概率知识基础上不确定性问题的最有力的推断方法——贝叶斯网络(BN)，有效地解决可靠性分析中最常用的故障树分析(FTA)方法的局限性：各部件独立，状态为二值等。     

应用级联神经网络预测供热锅炉次日小时热负荷的初步研究

通过对供热锅炉房热负荷的分析，建立了基于两个BP网络的级联神经网络(CNN)。相关性分析表明，可将时间序列负荷数据作纵横向分离，横向相关系列负荷可作为CNN前一BP子网络的输入数据，纵向相关系列负荷可作为CNN后一BP子网络的输入数据。前一BP子网络用于小时负荷的初始预测，其预测结果加入后一BP子网络的输入系列，实现对负荷的精确预测。按照此模型，建立了某一印染厂锅炉房次日小时蒸汽负荷的CNN预测模型。程序运行结果表明该模型在预测时足够准确可靠。     

移动社交网络中的无线资源分配算法研究

随着移动用户数量的不断增加以及移动网络规模的发展,移动社交网络越来越受到人们的青睐,在社交网络中,社交网络用户可以使用移动设备相互交换和共享内容,但如何在移动社交数据传输过程中根据用户的需求为其分配最佳的无线资源,并确保资源的安全性和保密性成为了一个新的挑战.研究移动社交网络中的无线资源分配问题,资源分配包含无线资源分配和保密性资源分配,提出一种基于梯度的迭代算法来求解社交用户所需要的最佳无线资源和保密性资源.仿真结果分析表明,根据所提算法可以得出在保密性资源能量效率方面比随机分配方案提高8％左右,同时在无线资源利用率方面也有显著提升.     

卷积神经网络声学模型的结构优化和加速计算

将卷积神经网络(convolutional neural networks,CNN)声学模型应用于中文大词表连续电话语音识别任务中,分析了卷积层数、滤波器参数等变量对CNN模型性能的影响,最终在中文电话语音识别测试中,CNN模型相比传统的全连接神经网络模型取得了识别字错误率1.2％的下降.由于卷积结构的复杂性,常规的神经网络加速方法如定点量化和SSE指令加速等方法对卷积运算的加速效率较低.针对这种情况,对卷积结构进行了优化,提出了2种卷积矢量化方法:权值矩阵矢量化和输入矩阵矢量化对卷积运算进行改善.结果表明,输入矩阵矢量化方法的加速效率更高,结合激活函数后移的策略,使得卷积运算速度提升了8.9倍.     

基于EBS的无线传感器网络密钥管理方法研究

针对现有无线传感网络(wireless sensor networks, WSN)群组通信中网络环境复杂、资源占用率高以及共谋攻击等问题,提出一种融合三元多项式和EBS(exclusion basis system)管理机制的动态密钥管理方法。通过分析现有方法的不足,从WSN系统模型和EBS密钥管理2个方面对其进行改进,针对WSN系统模型引入层次式拓扑结构,有效解决簇头节点存在的单点失效问题,在此基础上,根据EBS群组密钥管理方法,引入三元多项式算法对EBS管理机制的参数进行优化。仿真结果表明,改进方法与局域化组合密钥管理(localized key management, LOCK)方法相比,改进后的EBS方法可以减少传感器节点的密钥存储量,增加网络共谋链的长度以及提高WSN的网络抗毁性。     

基于远洋渔船作业场景的机会网络移动模型

在分析现有移动模型性能的基础上,针对远洋渔船机会网络中节点运动作业时的特点,提出了一种符合远洋渔船移动特征的平滑转弯半马尔科夫移动模型(Smooth Turn Semi-Markov Smooth Mobility Model,简称STSMS模型).从节点运动方程和平均稳态速率两方面进行了理论分析,并对节点运动轨迹和平均稳态速率进行了仿真验证.仿真结果表明,构建的STSMS模型能较好地反映节点的运动特点,并具有速率不随时间延长发生衰减的特性,适用于远洋渔船机会网络的模拟仿真.     

基于卷积核分解的深度CNN模型结构优化及其在小图像识别中的应用

小图像由于像素少、分辨率低、整幅图像包含信息较少,识别较为困难。目前优秀的深度卷积神经网络模型多为大图像而设计,而用于小图像的模型则存在着层次不够深、难以对特征进行充分抽象的不足。本文基于VGG19模型,依据卷积核分解的原理,设计了一种KDS-DCNN模型,模型深度达到31层,解决了目前超深度模型不能直接用于小图像识别的问题,实验表明该方法不但提升了识别性能,而且还降低了模型的时间复杂度。在CIFAR-10、CIFAR-100和SVHN三个数据集上的验证结果显示,KDS-DCNN模型性能优越,其识别错误率分别降低到29.46%、6.02%和2.17%。     

BP神经网络学习率参数改进方法

针对动态BP神经网络学习率优化方法收敛速度慢而且对误差曲面变化不敏感等不利因素,本文提出了一种改进的BP神经网络学习率的优化算法,该策略使网络对误差曲面变化敏感且收敛速度快。