TN-IN与CN-IN相结合的智能网技术初探

分析基于电信网的智能网和基于计算机网的智能网的发展和研究现状,提出研究基于将二者相结合的智能网技术的思想。这件智能网的研究将有助于实现通讯网(包括电信网和计算机网)的智能化、网络控制的自动化和智能网业务的网络化。     

基于云模型的极端峰态神经元概念表达

近年来,深度学习在很多领域获得了广泛的应用.但是,由于深度学习的不可解释性,人类不能信任它的处理结果.本文针对这个问题,尝试使用云模型来表达特征空间中单个神经元的概念.经过逆向云变换算法得到的概念内涵可以表达概念的成熟度.在卷积神经网络(CNN)中,峰态系数过高或者过低的概念数量很多.现有逆向云发生器在转换这些概念时会...     

一种启发式邮政运输调度优化方法

本文研究了邮政运输调度问题的数学模型和相应的神经网络求解模型.针对邮政运输调度问题的特点和神经网络求解模型中存在的问题,提出了一种启发式算法,实验仿真结果表明启发式算法具有较好的性能.     

锥形与金字塔形场发射尖端电学特性分析

场致电子发射具有高效、响应快等优点,有着广泛的应用前景。锥形和金字塔形尖端是两种常见的场发射尖端结构。主要分析了这两种尖端结构的场发射电学特性,并在此基础上提出了进一步实现结构优化的途径。为此,建立了两种尖端的三维模型,并利用有限元法深入讨论了结构尺寸,包括尖端曲率半径、尖端与阳极间距以及尖端高度对电场分布以及电场强度的影响。结果表明,减小尖端曲率半径、缩短尖端与阳极间距、以及选择适当的锥体高度是优化尖端场致电子发射性能的三个重要途径。在综合考虑电场分布以及电场强度的情况下,可以发现锥形尖端更有利于产生高密度小束径的低能电子束,而金字塔形尖端则更适用于高压力灵敏度的应用需求。     

PSO模型种群多样性与学习参数的关系研究

粒子群优化(Particle Swarm Optimzation,PSO)算法在求解复杂多峰问题时,易陷入早期收敛.通过调整惯性权重和加速系数来控制种群多样性是缓解PSO早期收敛的一个重要手段,但是目前对惯性权重和加速系数的设置主要依赖于实验设计,缺乏必要的理论支撑.针对该问题,本文提出了一种以种群未来的多样性变化调整...     

基于多维云概念嵌入的变分图自编码器研究

变分图自编码器是图嵌入研究中重要的深度学习模型,但存在着先验正态分布缺陷、训练过程中容易出现后验塌陷等问题．本文从建立云概念空间与隐空间的映射关系入手,引入云模型数字特征对网络中的节点进行不确定性概念表示,设计了一种基于多维云模型的变分图自编码器（Variational Graph Autoencoder based on Multidimensional Cloud Model,MCM-VGAE）．该模型实现了隐空间的多维云概念嵌入及相应的漂移性损失度量,将先验分布扩展为泛正态分布,利用多维正向云发生器及云包络带修正采样算法实现了重参数化过程,有效缓解了后验塌陷现象．在应用效果上,模型在多类型数据集上的链路预测、节点聚类、图嵌入可视化实验表现均优于基准模型,进一步说明了方法的普适有效性．     

数据仓库及其实现

数据仓库是决策支持系统实用化的关键技术.介绍了数据仓库的基本框架及其实现技术的研究进展.     

连续值属性决策表中的知识获取方法

 提出了一种从连续值属性决策表中获取知识的方法KACVA(Knowledge Acquisition from decision tables containing Continuous-Valued Attributes).该方法将经典粗糙集理论对数据空间的等价划分转换为相似划分,把传统粗糙集理论中正域的表示方法扩充到连续值属性决策表中;通过计算连续值属性决策表中各条件聚类对决策类的分类能力,生成决策规则.不同数据集的实验测试结果表明:对连续值属性决策表中的知识获取,KACVA方法与传统的粗糙集相关知识获取方法及C4.5决策树分类方法相比,有更高的分类准确率.     

分布轮廓与局部特征融合的云模型不确定性相似度量

针对当前基于云模型的不确定性相似度量或为精确局部数据的量化计算,或单纯通过其整体几何特征进行度量,导致结果具有较大的片面性问题,综合考虑云模型整体几何特征与微观云滴分布贡献,该文提出了一种分布轮廓与局部特征融合的不确定性相似度量方法,即基于包络带及其云滴贡献度的云模型不确定性相似度量方法(EACCM)。该方法将体现云模型几何特征的包络带(内包络曲线和外包络曲线之间区域)作为相似度量基础,结合其重叠部分包含云滴的贡献度大小建立综合度量模型。仿真结果显示,该方法度量结果更为科学合理,并且有效避免了同一数字特征相差较大或者非常接近时导致的相似性异常问题。