基于Tanh多层函数的量子神经网络算法及其应用的研究

该文提出一种新的改进激励函数的量子神经网络模型。首先为了提高学习速率,在网络权值训练过程中引入了动量项。然后为了有效实现相邻类之间具有覆盖和不确定边界的分类问题,新网络采用区分度更大的双曲正切函数的叠加作为其隐层激励函数。最后将该算法用于字符识别,将双曲正切激励函数的量子神经网络应用于数字、字母和汉字样本的多次实验,并且与原多层激励函数量子神经网络和BP网络的实验效果进行比较,发现改进后量子神经网络不仅具有较高的识别率,而且在样本训练次数上相对原多层激励函数量子神经网络有明显减少。仿真结果证明该方法的优越性。

一种基于层接近度和分支距离函数的最优个体选择算法

文章针对目前最优个体评价及选择时存在的问题,在综合分析层接近度和分支距离函数特点的基础上,提出一种层接近度和分支距离函数联构的测试用例评价算法。该算法的基本思路是,在进化过程中选择领航个体时,先选择实际执行路径与目标路径接近度高的个体,再在这些个体集中选择分支距离最小的个体,从而得到领航能力最优的个体。实验结果表明,所提算法能快速寻优到测试用例,尤其是针对多层嵌套程序的测试用例,生成表现良好。

一种新的高阶叠层基函数分析电大物体散射特性

为进一步提高电大尺寸目标散射求解能力,该文将一种新的基于曲边三角形的高阶叠层矢量基函数运用到矩量法中,并与多层快速多极子方法结合,分析了电大尺寸目标的电磁散射特性。与低阶基函数相比,在计算精度相同的情况下,高阶叠层基函数所需的未知量数目约为零阶其函数的40%。计算实例表明,该方法具有较高的精确性和有效性。

基于高阶叠层基函数的加速迭代求解方法

研究了高阶叠层矢量基函数的尺度因子对迭代法求解矩阵方程收敛性的影响,选择了可以有效降低矩阵条件数的尺度因子;在此基础上,详细阐述了求解基于高阶叠层矢量基函数阻抗矩阵方程的叠层共轭梯度方法(HCGM),并从理论上分析了叠层共轭梯度算法的收敛性能。通过计算实例表明,与共轭梯度方法(CGM)相比,使用HCGM可以大幅度减少矩阵方程的迭代求解时间。

基于高阶叠层矢量基函数的时域电磁场积分方程方法

本文将准正交高阶叠层矢量基函数用于时域电磁场积分方程(TDIE),求解了三维金属目标的时域电磁散射问题.准正交高阶叠层矢量基函数定义在曲面四边形单元上,并且不要求网格为规范网格,给复杂目标的几何建模和电磁建模带来很大方便.在空间上利用伽略金方法、时间上采用点匹配法求解时域电磁场积分方程,并采用隐式时间步进算法,数值计算结果表明了该方法求解时域积分方程的精确性、高效性与稳定性.

介质目标电磁散射特性的多层特征基函数法分析

特征基函数法是近几年提出的一种基于分块和高阶基函数概念求解电磁散射问题的快速算法.为了更有效地分析电大尺寸多目标的电磁散射问题,将基于Foldy-Lax多径散射方程的特征基函数法扩展为多层特征基函数法,通过对子域进行多层划分来控制生成矩阵维数的大小和计算精度.应用多层特征基函数法计算了介质目标的远区散射场,数值结果与传统特征基函数法的计算结果吻合良好,且计算效率明显提高.

一个基于两层CES效用函数的垄断竞争模型

Dixit-Stiglitz模型提供了一个易于处理的垄断竞争分析框架,但其对称性假设降低了模型的解释力;产品特征法模型虽然解决了不对性问题,但在实际应用中却很难处理.通过构建一个由两层CES函数组成的效用函数,建立了一个具有不对性特点的垄断竞争模型,并利用模型分析了出境旅游的发展对国内旅游的影响.

一种基于高阶矢量叠层基函数去除复杂谐振腔三维有限元仿真中的伪直流模式的新方法

基于高阶矢量叠层基函数,提出了一种去除复杂谐振腔三维有限元仿真中产生的伪直流模式的新方法.该方法可以非常方便、高效地将谐振腔有限元仿真中所有伪直流模式完全去除.利用该方法可以得到一个精确、高效和稳定的有限元本征求解器.该本征求解器在仿真三维复杂谐振腔上和目前流行的电磁场商业软件的本征模求解器相比具有相当的精度并且具有更高的效率.

基于高阶叠层矢量基函数的E-H时域有限元方法分析谐振腔和波导结构

将高阶叠层矢量基函数用于E-H时域有限元方法,电场和磁场用相同的基函数展开并同时求解,时间离散采用Crank-Nicolson差分格式使得时间步长的选取摆脱稳定性条件的限制,同时采用完美匹配层来截断计算区域.对三维谐振腔及波导结构进行数值模拟与分析,结果表明,相较于低阶基函数,高阶叠层矢量基函数可以有效提高E-H时域有限元方法的计算精度.

复杂体型超高层建筑层风力功率谱函数研究

以某一高492m、具有特殊体型的超高层建筑为工程背景,研究超高层建筑层风力规格化功率谱曲线的特点并给出其数学函数模型。首先,在同济大学TJ-2边界层风洞中对该超高层建筑进行刚性模型分组同步测压风洞试验,得到各测点层的风力系数时程,并对各层风力系数的频谱特性进行分析,归纳出各层风力规格化功率谱曲线沿高度变化的特点;然后,根据试验所得的功率谱曲线的特点,给出顺风向、横风向和扭转风向的层风力规格化功率谱数学函数表达式,用该数学模型对各层风力功率谱曲线进行拟合的效果非常理想,同时,对各层风力功率谱函数的拟合参数进行归纳总结,得到统一的参数结果。研究结果表明层风力功率谱函数是有效的。

高阶叠层渐近相位基函数结合快速多级子分析电大物体散射特性

由入射波与面电流的关系,引出了渐近相位(AP)在高阶叠层基函数(HO-RWG)中的应用,并运用到矩量法(MOM)中,与快速多级子方法(MLFMA)结合,分析了电大尺寸复杂目标的电磁散射特性。与高阶叠层基函数和零阶相位基函数(AP-CRWG)相比,在相同的计算精度下,都可以大大减少未知量数量,从而可以节省大量内存和计算时间。计算实例表明,该方法有较高的精确性和有效性。

基于高阶叠层型基函数的微波管慢波结构的三维有限元模拟

采用基于二阶叠层基函数的矢量有限元法对微波管慢波电路进行了三维数值模拟,从而准确求出其高频参数。为了提高慢波电路有限元仿真效率,提出了一种方便快速去除慢波电路有限元仿真中伪直流模式的方法,同时利用一种p-型乘法的多重网格预处理隐式重启Arnoldi法快速求解最后的大型广义本征矩阵。在此基础上开发了一个微波管高频电路模拟器的子模块—多重网格本征求解器。通过仿真实际的慢波电路,模拟器的计算精度得到验证,同时显示了其优越的计算性能。

底层函数的文件防删除

在我的印象里．《黑防》里关于文件防删的文章不多，所以下面就献上我对文件防删的研究成果。由于本文的标题是“底层函数的文件防删除”，所以SSDT HOOK ZwSetlnformationFile这种表层函数的文件防删就不写了。

基于多层激励函数量子神经网络的字符识别算法

针对不同样本之间存在交叉数据的模式识别问题,将多层激励函数的量子神经网络引入模式识别之中,提出一种基于量子神经网络的模式识别算法。量子神经网络是将神经元与模糊理论相结合的模糊神经系统,由于自身固有的模糊性,它能将决策的不确定性数据合理地分配到各模式中,从而减少模式识别的不确定度,提高模式识别的准确性。本文以英文字母为例,应用量子神经网络模型进行字符识别,通过比较发现量子神经网络除了可以克服BP网络的诸多缺点外,对具有不确定性、两类模式之间存在交叉数据的模式识别问题,有极好的分类效果。仿真结果证明该方法的正确性和有效性。

随机分布介质的多层特征基函数分析

文章采用蒙特卡罗法模拟出随机分布的介质目标,并应用多层特征基函数法计算了其远区散射场。多层特征基函数法与特征基函数法相比,能更高效地计算电磁散射问题。基于Foldy-Lax多径散射方程,将目标以及划分的子域进一步剖分为若干小子域,进而进一步降低待求矩阵的维数。模拟数值计算结果与传统特征基函数法的计算结果吻合良好,计算效率明显提高。

基于多层激励函数量子神经网络的入侵检测研究

为解决传统入侵检测模型所存在的检测效率低,对未知的入侵行为检测困难等问题,对神经网路隐层激励函数进行了研究,利用多层激励函数的量子神经网络模型进行入侵检测,该量子神经网络借鉴量子理论中量子态叠加的思想,使得隐层神经元能表示更多地状态或量级,从而很好的对入侵类型进行分类,增加隐层神经元的处理速度和检测性能法。实验表明,叠加的每个sigmoid函数较传统的sigmoid函数不仅对已知的入侵具有较好的识别能力,而且能较好的识别未知入侵行为,从而实现入侵检测的智能化。

基于多层水平集函数的三维多相图像分割

多相图像分割通常利用多个水平集函数分别定义不同区域的特征函数,其极值求解问题需要对多个函数分别求极值,计算效率较低。针对三维多相图像,提出一种改进的变分水平集模型,采用一个多层水平集函数的n层水平集隐式曲面,将图像划分为n个区域,通过对一个水平集函数求极值,实现三维多相分段常值图像的快速分割与重建。将能量泛函表达为数据项和规则项,借助规则化Heaviside函数设计区域划分的通用特征函数,采用Split-Bregman投影方法进行能量最小化求解。实验结果表明,该模型可以有效地实现三维多相图像分割,与Chan-Vese模型相比,其迭代步数较少,分割速度较快。

基于叠层基函数的有限元P自适应方法研究

在进行有限元求解电磁场问题时,随着求解问题规模扩大、求解问题复杂度提升,全求解区域的高阶基函数的引入会带来大量内存消耗。文章提出了一种基于先验知识的有限元自适应方法,相比传统有限元方法,引入了高阶叠层基函数和适合的阶数预估方法,在不同的求解区域采用不同阶数的基函数,在保证精度的前提下降低了内存消耗。文章首先介绍了有限元自适应方法的理论基础,然后给出了同轴馈电的微带PIFA天线的算例,通过与商业软件比较计算结果,验证了算法的正确性。最后给出了自适应阶数与高阶基函数和低阶基函数辐射特性与资源消耗对比图,验证了该方法的可行性和可靠性。

基于广义逆矩阵的多层径向基函数网络遗传算法

为了解决以往正则最小二乘法求权重向量时遇到的矩阵接近奇异而无法求逆的问题,采用广义逆矩阵的方法求多层径向基函数网络中各层的权重向量,并将这种方法引至多层径向基函数网络的遗传算法中。采用实函数逼近,混沌时间序列建模与预测等仿真实验对算法进行验证。结果表明,采用广义逆矩阵的方法要比正则最小二乘法在逼近精度上高1至2个数量级。

基于自适应滑模层极值搜索的光伏发电最大功率跟踪方法

保证光伏阵列快速到达最大功率点并且能稳定运行,一直以来是光伏发电研究领域关注的重要问题之一。为此,文中提出了基于参数自适应调整滑模层极值搜索控制的光伏发电系统最大功率跟踪新方法。首先证明了基于滑模极值搜索的光伏发电系统最大功率跟踪控制策略的稳定性;然后提出采用具有更低控制频率及更低控制噪声的滑模层函数代替简单的开关函数。在此基础上,进一步提出了控制参数的自适应调整方法,使得控制系统在具有较好的控制品质的同时,避免了繁琐的人为参数调整。算例证明了所提方法的有效性。