路由网络代数

基于基本网络代数 (BasicNetworkAlgebra ,BNA)和LOTOS/E LOTOS ,该文提出一种适合于分析Inter net路由系统行为的代数系统 .该代数系统称为路由网络代数 (RoutingNetworkAlgebra,RNA) ,它结合了BNA中的并行、串行运算以及LOTOS中的同步并行运算 ,并在此基础提出更适合于描述Internet路由系统行为的选择运算“ ”、协同并行“ ”以及路由网络常量 ,如m×n(路由转发 )、∧ m(分支 )、∨ m(合并 )、⊥ m(下沉 )和┬ m(亚元 ) .通过分析由上述代数运算和路由网络常量构成的路由网络代数模型 ,可以分析路由系统中死锁 (deadlock)和活锁(alivelock)等行为 .为了检验路由网络代数的有效性 ,完成了BGP路由稳定性的实验分析工作 .

基于神经网络代数算法的电子罗盘的标定

为了标定KVH-C100型电子罗盘,分析了电子罗盘产生误差的原因,设计了电子罗盘信号采集的软硬件系统;为了减少随机因素的干扰,对采样数据进行了中值滤波;在此基础上,采用神经网络代数算法建立了电子罗盘的误差补偿模型,该模型能实现在样本空间的精确映射,具有较高的非线性逼近精度。通过实验证明该补偿模型比中值正弦误差补偿精度高,使得误差范围由标定前的-5.468 15°～1.457 96°减小到-0.492 8°～0.517 8°,重复性实验也证明该补偿模型一致性好,满足控制要求。

基于路由网络代数的BGP4路由策略冲突分析

介绍一种适合于Internet路由行为描述和分析的代数系统———路由网络代数 (routingnetworkalgebra ,RNA) ,路由网络代数中的变量、常量以及相关的运算定律 ,重点介绍用于路由行为分析的扩展规则 .在此基础上提出一种BGP4路由策略冲突检测方法 .理论与试验分析表明该方法可以有效地发现因错误的AS关系配置所产生的路由策略冲突 .

基于功角等效法的网络代数方程求解预处理方法

矩阵预处理是提高电力系统动态仿真中网络代数方程组求解收敛性和求解效率的有效方法。该文推导了网络代数方程的预处理求解方法的通用迭代格式,得到了分离等效法和具有更好收敛性的功角等效法预处理迭代形式。利用通用迭代格式,基于迭代矩阵谱半径的概念揭示了求解过程的迭代收敛性机制,提出了衡量谱半径大小的评价指标,避免了求取矩阵谱半径的复杂计算。基于IEEE标准10机39节点系统,对比分析了直接求解法、分离等效法和功角等效法的仿真有效性、迭代收敛特性以及仿真效率。结果表明,相比于分离等效法,功角等效法具有更好的求解性能,其迭代次数和计算时间分别减少了33.29%和27.91%。所提的预处理技术具有良好的实用前景。

基于代数网络和混沌参数的碰摩声发射源定位方法研究

针对时差定位法受不同模式波速度差异及波形传播畸变等因素影响的问题,将神经网络技术应用到声发射源定位中。为了克服传统BP算法训练时间长和精度不够高的缺点,提出代数神经网络概念,在网络训练阶段引入代数算法,将复杂的非线性优化问题转化为简单的代数方程组求解问题,直接获得最优点,大大缩短了网络的学习时间。同时作为定位特征研究分析了转子碰摩声发射信号的非线性动力学特性,提出了关联维数、最大Lyapunov指数和K o lm ogorov熵等声发射源的非线性动力学新特征,并将其作为神经网络的输入定位特征。实验结果表明,利用这些声发射源的非线性动力学特征和神经网络结合能较好地解决了碰摩声发射源定位问题,为转子碰摩故障诊断提供依据,具有良好的应用前景和进一步研究的价值。

基于代数神经网络的多元多项式近似因式分解模型及学习算法

文中从首一无平方多项式Ｆ（ｘ，ｙ）有根ｘ＝φｉ（ｙ）（ｉ＝１，２，…，ｄｅｇｘ（Ｆ）），其中φｉ（ｙ）＝Ｃｉ，０＋Ｃｉ，１ｙ＋Ｃｉ，２ｙ２＋…，入手，设计了一类二元多项式求根及近似因式分解的神经网络模型，它们分别是双输入单输出４层前向网络与单输入多输出３层前向网络，给出了神经网络学习算法，这种学习算法在ｐ－ａｄｉｃ意义下，通过选定隐层与输出层的待求权值Ｃｉ，ｊ完成学习，可确定出其不可约因式及不可约因式个数ｒ，通过算例表明，该算法十分有效．

基于代数神经网络的分圆多项式判定及学习算法

首先对MP神经元进行推广 ,给出了一元多项式代数神经元、一元多项式代数神经网络 ,设计出一类用于一元多项式二元运算的神经元模型 ,它是单输入单输出的 3层多项式神经网络 ,给出了两种用于判定一多项式为分圆多项式的神经网络模型及学习算法 ,把判定一多项式为分圆多项式转化成线性方程组求解问题 ,通过算例说明了该方法的有效性。

代数神经网络电阻层析成像图像重建算法

两相流体具有复杂性的流动特性,图像重建的精度是两相流参数准确测量的基础。针对电阻层析成像系统存在的软场特性、强非线性和不适定性,使得重建的图像质量差、计算时间长等问题,基于代数运算的神经网络,给出了一种基于代数神经网络电阻层析成像图像重建算法。该算法通过建立代数神经网络,以测量的边界电压值作为神经网络的输入,将图像重建转变为一个严格对角占优的线性方程组的求解问题,以达到图像快速、准确的重建目的。通过实验仿真分析,该方法具有收敛速度快、代价低和误差小等特点。

基于代数神经网络信息融合的侧向定位的实验研究

为提高移动机器人的工位定位精度,通过实验分析了超声波传感器的测量距离d和入射角α对测量精度的影响。基于代数神经网络能实现样本空间的精确映射并具有较好非线性逼近能力,设计了一种移动机器人侧向定位融合模型。经实验比较,该定位融合模型具有较高的精度,使得位置误差小于0.9957mm,角度误差小于0.2966°。将该定位融合模型应用于自主研发的移动机器人的定位实验中,定位位置精度可达到±2.5mm,姿态角精度可达到±0.42°,满足定位要求。

无线网络中机会网络编码与代数网络编码相结合的重传方案

提出无线网络中机会式网络编码与代数网络编码相结合的重传方案,采用代数网络编码策略来解决非关联特性包的重传问题.该方案分两个阶段,第一阶段采用机会网络编码恢复关联包的丢包;第二阶段采用代数网络编码对非关联包进行包恢复.代数网络编码阶段把机会式网络编码恢复关联包后的矩阵作为代数网络编码的初始信息矩阵,依据该矩阵的满秩分解的结果筛选出合适的编码矩阵,再删除该矩阵中的关联包所对应的列使得非关联包的转移矩阵的行列式不为零,接收端依据转移矩阵一次可恢复多个非关联包.该方案的优势在于充分利用机会网络编码编解码容易,与代数网络编码一次可恢复多个非关联丢包的优势,最大化编码增益,降低了重传开销.仿真结果证明该重传方案优于典型机会式网络编码的重传性能.

基于代数神经网络的不确定数据知识获取方法

定义了代数神经元、代数神经网络，讨论了不确定数据知识获取的数学机理，设计出一类单输入，单输出的三层前向网络来获取知识的代数神经网络模型，给出一种基于代数神经网络知识获取的方法。通过该网络的学习，能确定任意一组给定数据的目标函数的逼近式．

基于代数神经网络的多元多项式不可约判定及学习算法

把感知器作为数学模型 ,充分利用神经元的运算特性 ,以二元多项式近似求根神经网络模型为基础 ,设计一类多元多项式不可约判定的神经网络模型 ,它是单输入多输出三层前向神经网络 ,给出神经网络学习算法 ,这种学习算法在 p- adic意义下 ,通过调整隐层与输出层的权值 Ci,j完成学习 ,直到 e≥ degy(F ) +1步 ,可确定出多元多项式不可约 ,通过算例表明 ,该算法有效 ,相比传统的判定算法 。

基于进程代数的网络体系结构形式化模型

首先用形式化方法给出了网络实体、网络连接件和网络体系结构框架模型的定义,然后利用进程代数理论定义了网络体系结构上的网络实体运算,进而建立了网络体系结构的代数模型,为进一步研究网络体系结构打下了坚实的理论基础。

前向多层代数神经网络隐层神经元数目估计方法

结合目前估计前向三层神经网络隐层神经元数目的方法 ,提出一种向量不交关系来确定多层(层数 >3)前向代数神经网络隐层神经元的数目 ,该方法只须估计出第一隐层神经元的数目 ,其余各层神经数目利用不交关系的算法随之确定 ,通过多项式代数函数实例表明 。

一种改进的代数神经网络电阻层析成像图像重建算法

本文以16电极的ERT系统为背景,从图像重建的稳定性和速度两方面对两相流场的图像重建算法优化进行实验室研究。针对电阻层析成像系统存在的软场特性、强非线性和不适定性,重建的图像质量差、计算时间长等问题。采用了一种将基于类支集函数的代数神经网络算法,将图像重建转变为一个严格对角占优的线性方程组的求解问题,以达到图像快速、准确的重建目的,该算法的求解过程稳定并具有良好的计算性能。同时针对大规模神经网络算法训练速度较慢的问题提出了分区域求解的改进方法。通过实验仿真分析,改进后的算法具有简化神经网络结构,比大规模神经网络运算速度快,误差小等优点,为电阻层析成像系统图像重建提供了新的有效方法。

线性互易代数网络的自然优化分布的探索

本文运用近代网络分析法，通过对互易电阻网络最小功率损耗规律的研究揭示了与电路基本定律的等价性，该结论可推测互易代数网络的能量也是优化分布的．

模糊聚类分析和代数算法结合的短期负荷预测

为了提高短期负荷预测速度和精度,提出了将模糊聚类分析和神经网络代数算法相结合的短期负荷预测方法。综合考虑天气、日类型、历史负荷等对未来负荷变化的影响,通过模糊聚类分析选取学习样本,找出同预测日相符的预测类别,采用神经网络代数算法训练样本,对24小时负荷(24点)每点建立一个预测模型。该方法充分发挥了神经网络和模糊理论处理非线性问题的能力,提高了学习效能,而且克服了传统BP算法存在的缺点。算例分析结果表明该方法有较高的预测精度,取得了令人满意的结果。

一种基于代数方法的路由振荡检测算法研究

基于路由网络代数(Routing Network Algebra,RNA)提出了一种新的路由振荡检测方法.通过建立路由系统的路由网络代数模型,把路由分析转化为代数演算;通过引入路由网络元素线性相关性概念,证明了路由振荡的充分必要条件是网络元素线性相关.在此基础上,提出了O(H×L+N2)时间级的路由振荡检测算法.为了支持文中提出的算法,设计实现了一个路由振荡检测程序,通过对多个真实的路由表检测,进一步说明了上述算法的可行性.

一种改进的路由振荡建模分析方法

分析了BGP联盟和路由反射器机制所引发的BGP路由不稳定性———路由振荡,并在路由网络代数建模的基础上,提出了一种改进的路由振荡分析建模方法,该方法在RNA(路由网络代数建模)的基础上,引入必经结点和环路查找的方法来改进路由振荡分析的数学建模。该改进方法可以高效地分析规模更大拓扑更复杂的BGP路由振荡现象。

路由联盟建模与震荡检测

基于路由网络代数(Routingnetworkalgebra简称RNA)给出路由联盟的代数模型.通过分析路由联盟代数表达式的“活锁”与路由振荡的对应关系,明确“活锁”是产生路由震荡的根源.在此基础上给出路由“活锁”的检测算法,从而一定程度上解决了路由联盟震荡检测问题.为了支持上述观点利用仿真工具SSFNET验证了“活锁”与路由联盟振荡的相互关系.