网络环境下企业持续性情报保障研究

网络环境下企业竞争情报工作存在若干障碍,持续性情报保障实施势在必行.本文分析了企业持续性情报保障工作的基本要求,构建了一个自学习、自适应的竞争情报保障体系,从情报采集、情报集成和共享、情报服务效果评价等方面提出了持续性情报保障策略.     

Ad-hoc网络节点休眠策略的设计

在本文中,作者基于博弈论提出了一种Ad-hoc网络节点的休眠策略,并给出了计算这种休眠策略的方法。这种休眠策略同时考虑了节点的存活时间和网络传输数据包的效率。理论上来说,这种休眠机制可以同时保证网络中数据传输的效率和网络中节点的存活时间。     

CDRS:云存储中一种代价驱动的自适应副本策略

针对云存储环境下突出的一些新问题,如网络的广域性与动态性、商业利益的追求、一致性与可用性的权衡等,提出了一种代价驱动的自适应副本策略CDRS.该副本策略通过引 入市场机制中的代价,综合考虑负载平衡及一致性与可用性的均衡,对副本进行自适应的操作,达到最小化副本开销和最大化副本收益的目标.实验结果表明,与传统的副本策略相比,该策略在副本收益以及负载均衡方面有着更大的优势.     

基于无线传感器网络的革命遗址保护研究

为推动红色旅游,急需对原中央苏区革命遗址进行保护。提出一种部分节点移动的无线传感器网络,构建一个对革命遗址有效保护的环境监测自动化系统,给出了系统的总体结构。在路由通信方面采用贪婪地理路由协议进行路由选择,对网络拓扑变化有较好的自适应性,实现了无线传感器网络能量高效的自适应信标交换和负载均衡贪婪转发策略。仿真实验表明,该网络减少了数据分组的丢失,缓解了在高业务量情况下的拥塞程度,具有较高的实用价值和应用前景。     

一种FNEA影像分割算法中初始对象的快速构建方法

针对分形网络演化法存在分割效率相对较低和区域合并准则无法适用于单像素区域对象2个问题,提出采用快速扫描法构建初始区域对象,进而采用基于异质性最小区域合并算法实现分形网络演化分割.实验证明,快速扫描法能快速构建初始区域对象.通过设置适当初始阈值参数,在不影响分割精度情况下,该方法较大程度上提高了整体分割效率.从可信度和通用性角度来看,具有较高的实用价值.     

云计算环境下数字图书馆网络虚拟化资源管理策略研究

针对云计算环境下数字图书馆网络虚拟化的资源分配、网络应用效率、安全性和经济性等问题,提出一种云计算环境下数字图书馆网络虚拟化管理策略。该策略大幅度增加了网络的数据交换效率,减少了骨干网络的数据流量,通过改善网络传输性能而提高了云计算系统效率。     

关于网络环境下外文纸本期刊和电子期刊共生的思考

针对构建网络环境下外文纸本期刊和电子期刊共生策略这一目前图书期刊管理的热点问题,分析了网络环境下外文纸本期刊和电子期刊的优点和缺陷,提出一些共生策略。     

“互联网+”环境下高校网络教学平台的构建研究

在互联网快速发展演进的过程中,"互联网+"成为了一种新的社会经济发展模式,在互联网与教育相结合的模式下,建立高校网络教学平台,能够在加强资源共享的基础上提升教学效率。本文以"互联网+"环境下高校网络教学平台的构建为探究主旨,通过对高校网络教学现状的分析,对"互联网+教育"模式的概述,呈现出"互联网+"环境下高校网络教学平台设计的策略,希望能够为高校网络教学平台的构建提供实践帮助。     

无线传感器网络远程软件更新技术

无线传感器网络（WSN）通常部署在恶劣的环境下,并要求自治地工作很长的时间,这使得对传感器节点的软件更新成为一大难题。WSN重编程技术着力解决通过无线的方式对节点进行远程软件更新,从而提高软件更新的效率。同时对国内外关于WSN软件更新若干关键技术如传感器节点执行环境、传播更新协议和数据优化等进行了较全面的综述,重点分析了现有的数据分发协议。     

基于自适应能量阈值的按需节能组播路由协议

提出一种面向无线Ad Hoc与传感器网络的基于自适应能量阈值的按需节能组播路由协议EMRP.该协议能根据网络能量状态和节点保护比例,自适应地确定能量保护阈值.在按需构造组播路由树的过程中,该阈值抑制网络中能量过低的节点参与组播,从而实现网络能耗均衡.EMRP同时引入目标驱动的策略,以尽量减小组播结构的规模、降低组播代价.EMRP协议执行过程中,不要求节点保存任何全局或局部网络拓扑信息,开销低,实现简单.仿真结果表明,与已有工作相比,EMRP协议能大大降低组播路由的每分组传输能耗,显著延长网络寿命.     

Data-driven control for switched systems over a vulnerable and resource-constrained network

To alleviate the restriction of system model on control design, data-driven model-free adaptive control (MFAC) is an excellent alternative to model-based control methods. This paper studies event-triggered data-driven control for switched systems over a vulnerable and resource-constrained network. The system is transformed into an equivalent switched data model through dynamic linearization. Resource constraints and denial of service (DoS) attacks in the network are concerned, and a novel joint anti-attack method including resilient event-triggering mechanism and prediction scheme is presented. Furthermore, new event-triggered MFAC algorithms are proposed. In this scenario, by constructing a Lyapunov functional on tracking error, sufficient conditions to ensure its boundedness are derived. This is the first time in the literature to give a complete solution to data-driven control of switched systems. At last, the validity of new algorithms and theoretical results is confirmed by simulations.     

Adaptive neural network control for nonstrict-feedback uncertain nonlinear systems with input delay and asymmetric time-varying state constraints

This paper is devoted to adaptive neural network control issue for a class of nonstrict-feedback uncertain systems with input delay and asymmetric time-varying state constraints. State-related external disturbances are involved into the system, and the upper bounds of disturbances are assumed as functions of state variables instead of constants. Additionally, during the approximations of unknown functions by neural networks, the online computation burdens are declined sharply, since the norms of neural network weight vectors are only estimated. In the process of dealing with input delay, an auxiliary function is applied such that the conditions for time delay are more general than the ones in existing literature. A novel adaptive neural network controller is designed by constructing the asymmetric barrier Lyapunov function, which guarantees that the output of system has a good tracking performance and the state variables never violate the asymmetric time-varying constraints. Finally, numerical simulations are presented to verify the proposed adaptive control scheme.     

全球制造网络中后发企业的持续升级:一个双元性视角

全球制造网络"嵌入悖论"的存在使后发企业面临沿价值链持续攀升的难题,即全球制造网络要求后发企业专注于价值链制造环节内的工艺升级与产品升级以提升当前经营效率的同时,也可能阻碍后发企业职能升级与跨链升级导致其长期适应能力减退。本研究通过对我国大型民营企业海天集团持续升级的纵向单案例研究,揭示了双元性可以作为后发企业破解全球制造网络"嵌入悖论"的一种机制,并进一步识别了联结多样化在构建双元性中的重要作用。因此,对于在全球制造网络中要实现持续升级的后发企业,首先必须要有主动构建双元性的战略意图,其次可在合作伙伴、合作方式与合作职能三个维度之间进行联结多样化配置来构建双元性。     

时滞动态网络自适应同步的研究

研究了节点带有时滞且节点之间的通信也带有时滞的复杂动态网络的自适应同步问题。基于稳定性理论,设计了复杂网络同步的自适应控制器。该控制器结构简单,易于应用。最后,以环状耦合的时滞Lorenz系统为例进行数值仿真,检验了结果的正确性和设计方法的有效性。     

神经网络自适应逆控制在铝电解过程控制中的应用

通过采用神经网络自适应逆控制方法来解决铝电解过程中存在的时变和大时滞问题,可以提高其控制性能。本文就铝电解过程进行建模,并将神经网络与自适应逆控制算法相结合,发现神经网络自适应逆控制模型的输出能很好地跟踪铝电解生产过程,控制效果好。在这里提出一个能使铝电解过程很快进入稳态、超调量较小的控制方案,提高铝电解过程的动态和稳态性能。     

基于ESB的面向构件的开发模式研究

软件构件的出现提高了软件生产的效率,同时做为SOA的核心技术的ESB提供了综合、灵活而且一致的集成方法。本文在这两种技术的基础上,提出了一种基于ESB的构件开发模式。利用该开发模式,可以快速高效地建立柔性、健壮性、鲁棒性较好的服务构件,并使构件的装配和部署进一步简化,从装配和部署角度提高软件开发的整体速度。该开发模式对各行业领域的软件和构件开发都具有实际的参考价值。     

Fixed-time neuroadaptive practical tracking control based on extended state/disturbance observer for a QUAV with external disturbances and time-varying parameters

This paper investigates the fixed-time neural network adaptive (FNNA) tracking control of a quadrotor unmanned aerial vehicle (QUAV) to achieve flight safety and high efficiency. By combining radial basis function neural network (RBFNN) with fixed time adaptive sliding mode algorithm, a novel radial basis function neural network adaptive law is proposed. In addition, an extended state/disturbance observer (ESDO) is proposed to solve the problem of unmeasurable state and external interference, which can obtain reliable state feedback and interference input. Unlike most other ESO applications, this paper does not set the uncertainty model and external disturbances as total disturbances. Instead, the external disturbances are observed by extending the states and the observed states are fed back to the controller to cancel the disturbances. In view of the time-varying resistance coefficient and inertia torque in the QUAV model, the neural network is introduced so that the controller does not need to consider these nonlinear uncertainties. Finally, a numerical example is given to verify the effectiveness of the coupled non-simplified QUAV model.     

技术创新网络组织惯性对双元创新的影响研究

针对创新组织的适应性行为,通过分析技术创新网络组织惯性产生的根源性,从结构惯性和认知惯性两个维度,探究组织惯性对渐进式创新和突破式创新的差异性影响,并引入网络嵌入性作为调节变量。以研发强度较高的行业为对象进行问卷调研,运用多元回归模型进行实证检验。研究结果表明:组织惯性对渐进式创新存在显著的正向影响,相比认知惯性,结构惯性更有助于促进渐进式创新;组织惯性与突破式创新之间存在显著的倒U型关系,相比结构惯性,适度的认知惯性更有助于促进突破式创新;关系嵌入在组织惯性对双元创新的影响过程中起到了显著的调控作用,结构嵌入的调控作用部分支持。研究结论有助于揭示技术创新网络组织的适应性行为特征,对于提升组织创新能力、维持网络稳定具有重要意义。     

基于竞争集中性的战略转型与效率风险间关系研究

以"集中度水平的变化"来度量竞争战略转型,将战略转型风险的内涵界定为"资源配置效率降低",以此为基础提出"集中度水平降低可避免资源配置效率风险"的假设,并通过"竞争维度变化汇总"来实现变量度量和数据验证。假设得到了来自10省市跨行业样本数据的支持,从而在证实了资源配置效率风险客观存在的同时,也表明企业可以通过控制竞争维度的变化来规避效率风险。     

Leader-following bipartite consensus with disturbance rejection for uncertain multiple Euler–Lagrange systems over signed networks

In this paper, the leader-following bipartite consensus is investigated for a group of uncertain multiple Euler–Lagrange systems with disturbances. An innovative adaptive distributed observer is developed without requiring that followers surely acquire the leader’s auxiliary state and system matrix. A directed signed network satisfying the principle of structural balance is exploited to describe the interaction among agents. Then a novel bipartite consensus control protocol is proposed to solve the bipartite consensus problem of multiple Euler–Lagrange systems. The theoretical proof is provided via constructing a Lyapunov function and applying Barbalat lemma to analyze the convergence problem. Finally, a numerical simulation is utilized to demonstrate the effectiveness of proposed method.