重复囚徒困境博弈对网络拓扑结构影响的研究

对Zachary网络采用了重复囚徒困境博弈的方法,提出了两种网络结构的演化算法,即随机算法和伪度优先算法,并对网络的度分布和聚集系数进行了分析,结果表明：经过n轮重复博弈,随机算法对网络拓扑结构的影响不大,伪度优先算法对网络拓扑结构的影响较大;经过演化后,网络的最大度明显增大,聚集系数也高于演化前的网络;随机算法对网络的社团结构影响不明显,而伪度优先算法则对社团结构的影响较大．     

浅析网络拓扑结构的发现

在内部网络管理系统中,都需要对网络结构、终端及网络设备运行状态进行实时监测及控制,以便及时发现并处理异常,比如对非法接入内网行为的发现,特别是时一些涉密机构来说,上述异常行为的发现及控制显得尤为重要,选取网管系统中的拓扑结构发现部分来进行分析,通过对其原理及实现过程的研究,阐述了该部分在网管系统中的重要性.     

BP神经网络在MATLAB上的实现与应用

BP神经网络在非线性建模,函数逼近和模式识别中有广泛地应用,该文介绍了BP神经网络的基本原理,利用MATLAB神经网络工具箱可以很方便地进行BP神经网络的建立、训练和仿真,给出了建立BP神经网络的注意事项和例子.     

基于BP网络的人力资本预测研究

针对人力资本计量的非线性特征,本文将BP神经网络引入人力资本模拟预测领域,运用BP网络高度并行互联结构和高速的自学习、自适应处理能力,对我国各地区人力资本投资进行预测研究,解决了人力资本投资计量必须建立模型的问题。     

仿人关节并串结构位姿求解算法研究

针对用于脑卒中患者上肢的康复训练,针对肩关节和肘关节运动的特点,课题组提出了一种6自由度仿人关节并串机构。该结构是由2种不同位姿并联机构进行并串组合而成,课题组利用Kutzbach Grüble公式对其进行了自由度的求解;采用解析法对该机构进行位姿分析研究,运用了球面三角形余弦定理来分析机构运动中弧形杆弧长不确定的情况;采用分部求解法把整体问题拆分成2个互有关联的部分进行求解。结果表明：与传统的对整体结构直接求解的方法相比,课题组采用的求解算法大大减小了求解的计算量。文中研究的方法适用于同类型位姿分离的并串组合,对其他同类型结构的位姿分析具有参考意义。     

基于广度优先的网络拓扑发现算法及实现

介绍了一种基于广度优先的网络拓扑发现算法.实践证明,该算法发现速度快,生成的拓扑能很好地满足实际管理需求.     

基于改进的BP网络数字字符识别

提出了一种基于改进的BP网络方法来实现数字字符识别.通过对BP网络的神经元的研究与学习,设计了一种结构合理,收敛速率快的BP网络.试验测试结果表明,改进的BP网络方法对印刷体数字的识别率达到了100%,对手写数字的识别率达到了98%以上.     

基于BP网络的通讯行业客户流失预警模型研究

在通讯行业全业务经营背景下,客户资源成为运营商之间竞争的法宝。如何有效识别客户流失行为,制定相应的挽留与维系对策是运营商降低营销成本,提高核心竞争优势的关键。本文利用BP网络的自适应算法,将代表离网用户行为特征的45个指标进行样本训练,最终得到客户流失行为倾向的判断模型,为通讯行业客户离网动机预测提供了新的解决思路。     

基于全球化网络企业的运作方法与特性分析

对基于全球化网络企业的技术特性、经济特性、运作方法和核心竞争力的形成和构筑等问题进行了分析,并将N维并行搜索引擎集合、知识基因、超级智能、核心技术等概念和思想,引申到网络企业的运作与核心竞争力的构筑中;并对成功的网络企业进行了分析,提出了自己的见解与思路。     

基于BP神经网络的模拟电路故障诊断研究

本文介绍BP神经网络在模拟电路故障诊断中的应用,对电路中的软故障进行诊断。对选定的待测电路在元件存在容差的条件下,仿真验证了BP神经网络应用于模拟电路故障诊断的可行性。     

基于BP神经网络的期权定价模型

运用BP神经网络的方法,根据S&P 500看涨期权的金融数据,利用一步预测法对期权定价做预测.通过其自主的学习机制以及大量的样本训练网络,提高了判断精度,使得对期权的估测更加准确.并运用Matlab的神经网络函数和数学分析的知识对期权定价进行模拟预测,预测价格的结果与市场的真实价格较为接近.     

基于Java的面向对象的BP网络模型及故障诊断推理

用BP神经网络模型进行故障诊断在实际中有着广泛的应用,而面向对象的方法在计算机研究和应用中越来越显现出其强大的生命力.将一个人工智能的重要模型用面向对象的方法加以计算机化,使其使用更有效、更方便.     

基于BP神经网络的中小企业信用评价研究

利用因子分析法建立了我国中小企业信用评价财务指标体系,据此构建了单隐层结构的BP神经网络,并以2006年100家ST和非ST上市公司为训练样本,详细考察了隐含层结构和网络训练函数对BP神经网络辨识性能的影响,最终得到了具有较快收敛速度和较高准确率的BP神经网络。在此基础上,以2006年财务数据为研究样本,对102家上市中小企业进行了信用评价。结果表明,各中小企业之间的信用评价结果存在较大的异质性,说明采用BP神经网络进行信用评价具有较高的可操作性。     

基于BP神经网络的函数逼近的MATLAB实现

BP神经网络由于它的学习能力和非线性特性,使其能够对非线性函数进行很好的逼近。通过对BP神经网络结构和MATLAB软件及其BP神经网络工具箱的应用研究,利用BP神经网络工具箱设计BP神经网络,用于对非线性函数的逼近,通过网络的训练、测试达到了预期的效果。     

分支前馈神经网络的研究

在BP算法的基础上,提出了一种用于模式分类的人工神经网络模型——分支前馈神经网络,并给出了相应的算法。对模式分类的几个典型例子进行了计算机仿真研究。仿真结果表明,与一般BP网络相比较,分支前馈神经网络显著地减少了训练时间,且分类效果更好。     

BP网络的泛化能力改进方法及应用

在人工神经网络的使用中，BP神经网络是使用比较多的网络结构，简要介绍了BP网络的基本结构和BP算法，分析BP网络存在的缺陷，介绍了两种改进BP网络泛化能力的方法，并通过例子分析了两种方法的适用性。     

BP神经网络天线方向图获取方法研究

焦平面阵列成像体制是实现无源毫米波实时成像的主要途径。焦平面体制存在馈源偏焦的问题,导致成像系统的点扩展函数(PSF)具有空变特性。为研究毫米波焦平面阵列成像点扩展函数的空变规律,提出采用BP神经网络生成偏焦位置的空变方向图。通过分析天线方向图数据的特点,研究了BP神经网络的结构形式和输入输出数据格式的设计方法,并通过实验方法确定了网络的隐层形式。实验结果表明,采用双隐层BP神经网络生成的方向图可以达到99.75%的精度。     

基于BP神经网络的我国煤炭消费和碳排放量预测

利用1994~2013年历年的煤炭消费和碳排放量数据,将BP神经网络方法应用于我国煤炭消费和碳排放量的预测,通过预测值和实际值的对比分析,预测了2014~2020年的煤炭消费量和碳排放量,预测结果表明:未来几年煤炭消费和碳排放量依旧呈递增趋势,且增长率均不会出现太大的变动。