神经网络BP算法改进及其性能分析

传统的神经网络BP算法具有强大的自学习、自适应及非线性映射能力,但算法具有收敛缓慢、易陷入局部极优等缺点。针对传统BP算法的不足提出改进方法,并用于解决异或问题和字符识别问题。实验表明,改进算法能提高网络学习速度、减小网络误差,具有更好的收敛性和鲁棒性,各方面都明显优于传统BP算法。     

网络化虚拟实验教学研究

网络虚拟化实验教学是一种新的实验教学手段,是理论教学的有力辅助。文章分析了网络虚拟化实验教学的功用,分析指出采用网络虚拟化实验教学可以引发学员学习主动性,具有一定的启发教育功能,是一条有效教学途径。阐述了网络虚拟化实验教学的实现途径。介绍了网络虚拟化实验教学的基本结构组成和各部分功用,并对网络虚拟化实验教学的实现方法途径和对学员的评价原则进行了简要分析。     

一种基于Logistic映射的图像加密算法

分析Logistic映射的混沌性能,并对该映射进行了改进,提出一种基于改进的Logistic映射的图像加密算法,并对该算法进行实例仿真。实验结果表明,该算法加密效果良好。     

基于相似度检测的SOM网络模型研究

自组织映射算法是一种无导师学习算法。在实际聚类应用中,网络识别率受初始权值、竞争方式、样本参数等诸多因素影响。以竞争方式为切入点,以生物学为指导,引入相似度判断规则构建了神经元“兴奋区”,改进了SOM网络,实验证明了算法的有效性。     

基于TCP/IP虚拟USB集线器的设计

随着网络技术和虚拟技术的发展,操作系统对资源的管理也由本地化转向网络化、虚拟化。研究了通过网络和虚拟技术,将网络中其他系统的USB设备资源通过网络转化的渠道直接映射到本地的USB总线上,实现操作系统的直接管理和应用。     

仿生优化算法在片上网络映射的应用研究

片上系统发展到片上网络阶段,能耗问题已经成为片上网络技术的重要约束。在片上网络映射中应用了生物仿生算法—蚁群优化算法使系统能耗达到优化,实验表明蚁群优化算法运用较好的局部搜索算法可以很快地收敛,针对不同的应用,可以减少15%-40%的通讯能耗。     

无线网络中最大最小公平算法的改进

传统的有线网络中的最大最小公平标准不再适合无线多跳环境。本文采用基于最大团的最大最小公平算法,此种算法既适合无线多跳网络也适合有线网络。在一定条件下,此算法可以相当于比例公平算法。改进算法可以提高系统的吞吐量,使得网络效率较之改进前有所增大。     

基于IABC-WNN模型的交通流量预测研究

传统蜂群算法采用随机法生成初始解,随机性大,难以掌握解的分布。针对这些问题,结合佳点集方法与正弦映射法,提出改进的ABC算法。使用佳点集理论构造蜂群算法的初始解,解决传统随机法构造初始种群对蜂群算法寻优的影响|使用正弦映射法优化轮盘赌算法,克服复杂的高维度项目难以跳出局部最优与负收益度问题。将改进的ABC算法作为WNN网络参数调整算法,利用ABC算法扩大最优解范围,提高搜索速度与精度,从而获得较好的短时交通预测准确度。仿真实验表明,IABC WNN预测模型算法相对误差小,稳定性好,预测精度高。     

网上选课系统的算法分析与改进

为提高选课的公平性、合理性,论文对网络选课的一些算法进行分析,并在此基础上提出了对抽签算法的改进;通过对抽签算法的改进可以进一步提高网络选课的公平性。     

虚拟化技术在开放大学云计算数据中心的应用研究

开放大学数据中心建设过程中存在着资源利用率低、管理成本较高等问题,尝试利用云计算服务模式和虚拟化技术,提供一种解决思路。在分析虚拟化、云计算、数据中心等关键技术的基础上,提出了云计算数据中心可用性参考模型CCDCAM,并描述了模型中多层服务可用性之间的映射关系,同时分析了数据中心建设过程中虚拟化平台可用性、安全性和双活数据中心中相关虚拟化技术。最后通过模拟实验验证了虚拟化技术可以提高开放大学云计算数据中心的资源利用率和业务系统的可用性。     

改进白骨顶鸡优化算法的WSN网络覆盖

为解决二维无线传感器网络随机部署产生的节点分布不均、覆盖率低的问题,提出一种融合元启发式算法的网络部署方案。该方案以节点部署空间作为约束条件、网络覆盖范围作为目标函数对二维网络覆盖模型进行数学建模。针对白骨顶鸡优化算法全局探索能力不强且在迭代后期容易陷入局部最优的缺点,该方案引入复合突变策略和随机反向策略对原算法进行改进。在二维网络覆盖模型进行的仿真测试结果表明:部署改进白骨顶鸡优化算法的二维无线传感器网络不仅网络覆盖率更高,节点也更加均匀,验证了改进白骨顶鸡优化算法解决节点部署问题的有效性和实用性。     

不确定型网络计划工期费用模拟优化

针对大型项目网络计划的不确定性,研究了工期、资源不确定的网络计划在费用限制情况下的费用均衡优化问题.利用蒙特卡罗分布,对不确定型网络计划进行蒙特卡罗仿真,进而获得n次仿真结果的代表性样本,从而得到该样本对应的确定性网络,用遗传算法进行求解.克服了传统启发式资源均衡优化算法在大型网络计划中不能保证最优解的缺点,得到一个费用分布均衡的网络计划.且以实例验证了该算法对大型项目的工期资源优化具有实际的应用价值.     

基于不精确的网络状态信息的路由算法的研究

基于真实网络无法避免获取的网络状态信息不精确的问题,该文致力于研究如何减少不精确信息的QoSR算法.MRP算法可以降低部分不精确信息的影响.该文对该算法进行了改进,并对相关算法进行模拟.模拟结果表明,与MRP类算法和最短路径算法相比较,改进的MRP算法在满足业务流QoS需求、减少网络负载不均和减少不精确网络状态信息的影响等方面大体上均有不同程度的优势.     

基于最近邻域搜索的天线调谐器调谐算法

介绍了天线调谐器阻抗匹配网络的结构和调谐的本质,提出采用基于启发式算法的邻域搜索算法来解决这一个NP-hard问题;给出了基于固定步长的最近邻域搜索算法的迭代步骤,通过对邻域结构和搜索方式的改进,降低了搜索空间、加快了调谐速度;最后采用基于最近邻域搜索的4种算法对10 m短波鞭状天线进行匹配仿真,验证了改进算法的有效性。     

基于改进遗传算法的多项目网络资源优化

文中通过分析多项目网络计划资源综合优化问题,抽象出其数学模型,并用改进遗传算法对其求解,最后通过验证得出改进的遗传算法求解该问题明显优于传统的遗传算法,改进后的算法能在较短的时间内找到一个最优解,具有快速收敛寻优的特点,在求解的效率和解的质量方面都达到了比较好的结果.     

基于反向随机投影的神经网络改进算法

提出基于反向随机局部投影的神经网络效率改进算法，通过降低深度学习中的网络规模，重点解决了从“局部连接”到“全连接”和随机节点抽取时输入端节点信息丢失的问题，从而提升网络的效率。在算法中设置缩减参数，提升了算法的可伸展性，以适用于不同数据集的学习。通过数据集ISO-LET进行实验，结果表明，基于反向随机局部投影的神经网络效率改进算法的准确率、效率分别平均提升了3.48%和105.21%?在迭代20次的实验中进行了缩减参数调节实验，当参数设置为1.4时其准确率则优于传统全连接网络2.61%，效率提升了272.78%，具有明显的优势。     

基于多跳性的无线自组网EDCF协议改进及仿真

传统的MAC层EDCF协议在无线自组网有广泛应用,但EDCF的BEB退避算法未考虑自组网多跳性的特点,对所有的数据用同样方法分配退避窗口,结果导致剩余跳数多的数据时延大幅增加.对BEB算法进行了改进,对剩余跳数多的数据分配较小的退避窗口,增强信道接入竞争力,并用OPNET对算法进行了仿真.仿真表明,改进后的MAC接入机制能有效降低端到端时延.     

一种不确定条件下飞机动态调度算法研究

针对飞机动态调度问题,分析航空公司航线时空网络特点,构建飞机动态调度时空网络路径图,定义剩余飞机的飞行路径,建立飞机动态调度模型。通过启发式的改进列生成算法迭代循环求解和分支定界策略的采用,寻找最优飞机动态调度飞行路径,生成动态调度方案。     

多种网络业务并存的IEDF算法研究

文章以EDF算法为基础,提出一种改进的调度算法IEDF。在IEDF中,提出一种新的带宽调度策略,并在3种具体情况下进行业务流调度过程分析。同时,在SIM环境下进行仿真实验,仿真结果表明,和原EDF算法相比,IEDF算法有效保证了带宽,降低了时延,提升了Qos。     

Rectification of magnetic force tracker using neural network inaugmented reality system

1IntroductionAugmented reality(AR)is a newtechnique based onvirtual reality,which has attracted much attention inrecent years.AR is used to describe a system thatenhances the real world by superi mposing computer-generated information on top of it.It supp…