面向IP流测量的哈希算法研究

为了解决计算资源和高速网络流量之间的矛盾,需要对IP流进行抽样或负载均衡等处理,而哈希算法是资源代价的核心.首先提出评价哈希算法性能的随机测度;其次从理论上证明比特之间异或运算和位移运算能够提高哈希值的随机特性,提出比特流之间哈希算法的原则;然后分析IP报文的4个字段:源IP、宿IP、源端口和宿端口的特性,由此提出相关的哈希算法;最后使用CERNET主干流量和PMA的数据验证算法的性能,并与IPSX和CRC32算法进行比较.研究表明,基于异或、位移原则的比特流哈希算法的执行效率和哈希值的均匀性两方面具有较好的性质,能够满足高速网络流量测量需求.

基于自适应学习速率的改进型BP算法研究

从感知器的结构及学习规则无法执行异或问题出发,用神经网络中的BP网络来解决异或问题,消除了感知器的局限性,但BP算法在具体实现中常会出现一些问题,如:收敛速度缓慢且与其他参数存在较强的耦合关系,局部极小等。对此,从前馈神经网络的原理出发,提出了一种自适应学习速率因子方法,用于对BP算法的改进,并将改进后的算法用于二维XOR问题及多维XOR问题的学习中。仿真实验证明,改进后的算法可显著提高网络的学习速度,且学习过程具有良好的收敛性及较强的鲁棒性。

适用于扫描测试中的测试响应压缩电路设计

测试向量响应压缩电路分为组合压缩电路和时序压缩电路两种.提出一种新的时序压缩电路:锥-压缩器.由于该电路是单输出的,所以总能保证最大压缩率.根据扫描测试中故障出现的特点,通过引入等价概念和两条设计规则来保证该响应压缩电路能够避免2,3和任何奇数个错误位抵消的情况.这两条设计规则同样适用于处理测试响应中出现未知位的情况.提出的基于随机选取生成算法可以自动生成该压缩电路.最后用实验数据从性能和代价两方面分析了锥-压缩器的适用性.

运用遗传规划解决异或问题的新方法

介绍了一种用遗传规划这种新的搜索优化技术解决经典异或问题的新途径。遗传规划实质是使用广义的计算机程序来描述问题,并且可以根据环境状况动态改变计算机程序的结构。根据遗传规划特征,引入两种思路、三种方法对异或问题进行求解,取得了很好的效果。与神经网络相比,遗传规划可以动态进化学习并取得显式的数学表达式。

基于异或运算的机会网络高效转发策略

通过对机会网络中节点传递信息的方式进行研究分析,遍历可以通信的邻居节点,将两节点的信息作比较。通过交集的形式,选择节点中携带信息异或程度最大的邻居节点作为下一跳进行信息传递,从而形成一条有效性最大的通信路径。基于这样的分析过程,提出了一种基于异或运算的机会网络高效转发策略FSXO。通过与机会网络中的经典算法对比,仿真结果表明,FSXO策略能够在高传输成功率的情况下,减少网络中无效数据副本的存在,从而有效地降低路由开销,减少资源的消耗。

基于遗传算法的BP网络快速自适应性算法

分析了标准BP网络存在的问题。利用遗传算法 ,探讨了确定初始学习速率、动量项值和BP网络结构的快速自适应性算法 ,并将该算法应用于XOR问题的学习和地下井巷开挖中岩爆的预测。实验结果表明 ,基于遗传算法的BP网络快速自适应性算法 ,可以避免手工试算决定BP结构的弊端 。

多层前馈神经网络改进算法及其应用

从前馈神经网络原理分析出发，提出一种速率适应因子方法用于对多层前馈神经网络中BP算法的改进，并将改进的算法用于XOR问题的学习及多重XOR分类器问题的学习。仿真结果表明，改进后BP的算法可显著加速网络的学习速度，并且学习过程具有良好的收敛性及较强的鲁棒性。

神经网络、深度学习与自然语言处理

介绍了自然语言处理中的神经语言模型,讨论了大脑神经网络、人工神经网络、“异或”问题、前馈神经网络、神经网络的历史分期及其进一步发展等;指出,在神经网络的研究中,感知机不能解决线性不可分的分类问题,通过增加隐藏层才能进行“异或”运算。通常情况下,在训练神经网络的同时,还要进行嵌入学习,对于机器翻译、情感分类、句法剖析这些自然语言处理的特殊任务,常常要加上很强的约束,并应当把基于语言规则的理性主义方法和基于大数据的经验主义方法结合起来。

采用MCU多层神经网络模型设计探讨

介绍了多层神经网络模型及BP学习算法 ,并以解决XOR问题为例 ,系统讨论了采用MOTOROLA单片机MC6 8HC11A8的多层神经网络模型的硬件设计与程序流程 ,进一步讨论了硬件设计中量化误差、算法的非线性等对系统性能的影响 。

基于模拟退火神经网络模型的岩质边坡稳定性评价方法

针对BP神经网络收敛速度慢、易陷入局部极小的缺点,将具有全局搜索能力的模拟退火(SA)算法引入到神经网络的权值优化中。并且在SA算法中引入状态接受过程和退火过程的自适应措施,增加了对当前状态最优解的“记忆能力”,避免了当前最优解的遗失,提高了算法的搜索效率。通过对XOR问题求解的比较,显示出SABP算法具有全局收敛且精度高的优越特性。最后基于实际工程的边坡数据建立了一个SABP算法模型,成功解决了具有高度非线性特点的边坡稳定性评价问题。

混沌搜索神经网络集成求解广义异或分类问题

神经网络集成被认为是最有效的工程化神经网络设计方法之一.把混沌搜索技术引入到神经网络集成方法中,提出了基于混沌搜索的神经网络集成方法.该方法保持了神经网络集成可以有效提高神经网络的泛化能力的特点,减小"多维共线性"和样本噪声的影响.为有效保证网络权值多样性,在网络权值初始化的过程中加入混沌理论.对广义异或问题的仿真计算表明,该方法的性能优于标准的神经网络集成方法.

混合粒子群算法优化神经网络的研究

针对BP神经网络初始权阈值的确定所具有的随机性和各个隐含层神经元数的不确定性,通过利用混合粒子群优化算法来同时优化神经网络的初始权阈值和结构.首先通过混合粒子群优化算法来确定一个较好的搜索空间,然后在这个解空间里再通过BP算法对网络进行训练和学习,搜索出最优的网络结构和权阈值.通过Iris模式分类、Wine模式分类问题和广义异或问题来对该模型进行训练和测试,相比遗传算法等其他算法,该模型可以获得更高的正确识别率,结果表明此方法是可行的.

新型Sigma-Pi泛函网络模型

将泛函神经元结构变形,建立Sigma-Pi泛函网络模型,给出Sigma-Pi泛函网络学习算法。采用数值分析的方法,将Sigma-Pi泛函网络应用于异或问题,结果表明,该网络对于某些问题具有很强的分类能力。该方法的优点在于利用一元函数作为基函数来实现高维函数的逼近,在函数逼近技术上,有着重要的应用价值。

带蜂群策略的粒子群算法训练人工神经网络研究

提出一种带蜂群策略的粒子群优化算法,并将算法应用于神经网络训练。将蜂群优化算法中引领蜂和观察蜂的收益评价与贪婪选择策略以及侦察蜂的探索新解策略引入到粒子群优化算法中。粒子在飞行时,按维度对粒子速度和位置进行更新,根据对收益的评价,只接收能够提高解适应值的位置,从而加快了收敛速度;如果粒子多次迭代均无法改进解,则在解空间中随机搜索新的位置,增强算法跳出局部极值的能力。在求解异或问题、奇偶校验和编码解码问题的神经网络上进行了仿真,结果表明,该算法优于BP算法、粒子群优化算法和蜂群优化算法。

一种基于误差变化率的自适应反向传播算法

本文针对BP算法存在收敛速度慢的缺点,提出一种基于网络动态训练误差变化率自动校正学习步长和冲量因子的自适应反向传播算法。异或问题的仿真结果表明,该方法具有较快的收敛速度。

FTDSS:高容错分布式共享存储机制

Computerized data has become critical to the survival of an enterprise. Company must have a strategy forrecovering their data should data lose. RAID is a popular mechanism to offer good fault-tolerance. But RAID can notwork well when one more disks fail. In this paper, we present an efficient Network-based high High-Tolerance Distributed Shared Storage mechanism called FTDSS. FTDSS makes use of disk space of node in Network to build alarge public shared storage space. Users can read/write their file from/to the public storage space from node of net-work Physically File is stored in each node in form of data fragment or XOR verify fragment. Because of redundantXOR fragments, file is available even when two more nodes fail. FTDSS realize distant redundant srorage. At last.this paper use experiment to prove that FTDSS can offer high fault-tolerance and advanced performance.

无线传感器网络单播安全协议架构研究

单播安全是无线传感器网络能够正常工作的基础。SNEP协议和TinySec协议凭借其低成本高效率的加密技术和安全框架能够满足无线传感器网络的基本安全需求。通过对这两个协议的深入分析,提出了一种更加高效和安全的改进型单播安全架构:UniSec。框架中设计了一种计数器优化模式—末尾保留,降低了执行计数器再同步协议的可能性;并通过结合更加先进的加密认证一体化模式XCBCC-XOR,进一步减少了安全开销。研究结果表明,该框架可有效的改善原始协议的能效性和容错性。

基于XOR和前向纠错的5G无线接入网络编码方案

为满足工业应用对5G通信系统的可靠性和延迟要求,提出了基于异或(XOR)编码和前向纠错机制的5G无线接入网络(RAN)编码方案,其中,将两个连续协议数据单元(PDU)通过XOR机制合并在一起,防止某条链路的传输错误扩散到PDU的其他副本。通过前向纠错机制,主动纠正任何两个同时发生的无线链路错误。由此在分组传输中增强了解码关联性,提高无线链路故障情况下的分组恢复能力。并提出编码重传自适应切换策略,进一步平衡通信量需求和不同链路故障情况下的分组恢复性能。仿真结果表明,所提方案能够有效提高分组传输成功率,且通信成本效率优于其他优秀方法。

一种快速BP算法的研究(英文)

提出了一种新的ＢＰ算法，其实质是将传统的激活函数（Ｓｉｇｍｏｉｄ函数）改为分段线性函数，将均方误差估计器改为具有稳健特性的柯西误差估计器，大大加快了收敛速度。以ＸＯＲ问题和编／解码问题为例的计算机模拟实验证实了算法的有效性。

基于Legendre多项式混沌神经网络的异步保密通信

提出一种基于Legendre多项式混沌神经网络的异步保密通信系统。在发送方,系统以Legendre多项式混沌神经网络模型作为Logistic混沌序列辨识器,利用混沌序列与明文序列进行异或运算实现"一次一密"异步加密;接收方将混沌初值输入保密的Legendre多项式混沌神经网络,产生与发送方相同的混沌序列,与密文进行异或运算实现异步解密。加密与解密信息完全隐藏于混沌序列中,其安全性取决于Logistic混沌序列的复杂性和无法预测性。理论分析和加密实例表明,Legendre多项式混沌神经网络产生的序列具有良好的自相关性和互相关性,且算法简单易行,克服了混沌同步通信的诸多缺限,具有良好的安全性。