网络积分犯罪案件的定性逻辑展开

消费积分并兑换使用是互联网经济时代的常态形式,但也成为新型网络财产犯罪的潜在场域。从实践中的个案看,积分的刑法属性、非法获取积分并兑换使用的行为定性、恶意利用规则漏洞获取积分并兑换使用是否构成犯罪是主要的司法难题。一律作为犯罪论处的司法惯性有待商榷,盗窃罪与诈骗罪之间的司法纠葛困扰不断。为此,应当明确积分具有刑法中的财产属性,可以作为新型网络财产犯罪的对象;应当区分获取积分与兑换使用积分两个独立行为;应当合理参照指导性案例的裁判要旨,确定主行为或实行行为,拓展定性的多元化思路。

马尔可夫链在网络积分中的应用

网络中有许多地方要用到网络积分。例如腾讯公司的QQ游戏中、其他网络游戏中都要用到积分。还有论坛比如小木虫论坛等也会用到积分。主要利用马尔可夫链对网络中的一些积分进行分析和预测。基本方法就是利用状态之间的转移概率矩阵预测事件的积分状态及其发展变化趋势。

网络积分效应与大学生网络道德研究

大学生网络道德教育是大学生思想政治教育的重要方面。随着我国网络的发展,网络积分成为了很多网络运营商普遍采用的吸引网民的运营方式,在利益的驱使下一些道德意志薄弱的在校大学生不能约束自己的行为,发生道德失范现象,因此必须加强大学生的网络道德教育。笔者分析了目前大学生网络道德的现状和原因,并提出了大学生网络道德教育方式。

基于网络微积分的WSNs属性界限研究

研究表明:传统的无线传感器网络(WSNs)属性界限过于宽松。为此,基于网络微积分,改进了流经节点的数据流输出函数上界,并推导出更精确的WSNs属性界限,包括节点延迟上界、节点缓冲区容量下界以及节点服务速率下界等。数值分析结果表明:网络跳数越多、节点梯度越小,则传统属性界限与属性界限差异越大。这说明网络规模越大,按属性界限进行网络配置能节约更多资源。

网络微积分学研究

网络微积分是最小加代数理论在网络分析中的应用。网络微积分主要用于对网络中流问题的考察,它所形成的体系可以用于对网络中的流问题进行建模和定量分析。网络微积分广泛用于网络中的流量控制协议的分析,调度器分析,以及与网络QoS控制相关的分析。文中主要对网络微积分的基本原理和重要结论做了一个系统的综述。

存在关节力矩输出死区及外部干扰的漂浮基空间机械臂积分滑模神经网络自适应控制

探讨了载体位置和姿态都不受控时,漂浮基空间机械臂在带有关节力矩输出死区及外部干扰情况下轨迹跟踪的控制算法设计问题。死区与外部干扰影响系统的跟踪精度与稳定性。为此引入积分型切换函数,减少外部干扰引起的稳态误差,并利用径向基函数神经网络逼近动力学方程的未知部分,设计了一种积分滑模神经网络控制方案。控制算法的优点是,在死区斜率与边界参数不确定及最优逼近误差上确界未知的条件下,可以利用最优逼近误差、死区及干扰的补偿项来消除影响。李亚普诺夫稳定性分析证明了闭环系统的稳定性,且轨迹跟踪误差将收敛到0的某个小邻域内。仿真算例证实了该控制算法的有效性,实现了空间机械臂的轨迹跟踪控制。

求解时变凸二次规划的变参积分动态学习网络

凸二次规划问题在许多领域都有着广泛的应用,系统分析、组合优化等诸多科学问题和工程问题都可以表述为二次规划问题后求解.为了高效地求解线性等式约束下的时变凸二次规划问题,本文提出了一种基于误差积分设计的新型变参积分动态学习网络.该网络引入时变指数型设计参数,具有灵活和自适应调整的特点.理论分析证明变参积分动态学习网络在使用单调递增的奇激活函数时有全局收敛性质和较强的鲁棒性.除此之外,变参积分动态学习神经网络还具有灵活的控制策略和超指数级收敛速率.仿真实验结果表明,使用不同激活函数的变参积分动态学习网络比传统的微分神经网络(即梯度神经网络,零化神经网络和变参收敛微分神经网络)有更好的收敛性质.

基于积分校正网络算法的直流电机调速控制研究

直流电机作为一种执行机构越来越广泛的应用在机电控制的各个领域。为提高直流电机的调速性和转速稳定性,将积分校正网络算法应用于直流电机控制器的设计,运用MAT-LAB的SIMULINK软件构建了直流电机调速控制系统,并进行了计算机仿真。仿真结果表明,控制系统具有较好的稳态性能与瞬态性能。

基于泄露积分型ESN的电力负荷预测系统

电力负荷预测在能源领域扮演着十分重要的角色,良好的电力负荷预测系统可以帮助电力系统运营商提前做好供电策略,从而在保障电力系统运行稳定性的同时降低能耗。研究了基于泄露积分型回声状态网络的电力负荷预测系统的性能,构建了单点预测和短时连续自动预测两种预测模式,并评估了泄露率及权重矩阵谱半径对系统预测误差的影响。在单点预测模式下,系统基于历史数据进行下一时刻(15 min之后)负荷值的预测,预测的归一化均方差最低0.015 8;在短时连续自动预测模式下,系统能够根据历史数据连续预测之后一段时间的负荷值,预测值在6.5 h之内保持与真实值的偏差百分比低于10%。

基于神经网络的永磁直线同步电机位置控制

针对永磁直线同步电机(PMLSM)伺服系统中的诸多不确定性问题,提出了采用神经网络来实现实时积分-比例IP位置控制器的设计。本文所提出的神经网络结构合理、简单,权值具有明确物理意义和可以在线快速调整的特点,以便进行实时控制。用由模型参考自适应参数辨识器和负载扰动力观测器构成的估计器来估计动子质量和负载扰动力。将观测的负载扰动力前馈,进一步增强系统的鲁棒性。仿真结果表明,系统具有很强的鲁棒性,同时提高了稳态精度。

一种异构网络多媒体业务QoS类弹性映射方法

多媒体业务在异构网络传输过程中,由于现有的QoS(Quality of Service)类映射方法存在灵活性不足的问题,从而降低了系统端到端效能。针对这个问题,该文在深入分析当前的QoS类映射方法基础上,结合用户QoE(Quality of Experience)特点,借助于网络微积分理论,构建了QoS类映射的数学分析模型,并进行了理论分析。基于该数学分析模型,该文从用户QoE角度提出了具有弹性的QoS类映射方法(Elastic QoS Class Mapping Method,EQCMM),该方法根据当前网络资源的使用情况,通过灵活地调整QoS类映射,充分利用网络现有资源,提高了端到端带宽资源的利用率,改善了系统端到端的效能。最后,通过仿真验证了该方法的有效性。

QTNPOSS网络最大延时性能分析(英文)

为增强TNPOSS网络的QoS性能,通过引入分形令牌桶(FLB)和加权公平队列调度(WFQ),提出了QoS增强的TNOPSS(QTNPOSS)网络模型.在QTNPOSS中,网络多媒体流的数据包在到达网络节点时进行整形,而后通过WFQ输出.利用网络微积分工具,分析了QTNPOSS网络的最大端到端延时表达式.大量数值实验表明,多媒体流的长相关特性和WFQ的权重对QT-NPOSS网络的延时都有影响,其中WFQ权重对QTNPOSS网络端到端延时的影响更大.

BP神经网络PID控制在空调系统中的应用

针对空调房间这样一个多干扰、大惯性、高度非线性系统控制性能优化较困难,传统的控制策略不但在控制精度、灵敏度以及系统稳定性上存在缺馅,而且能耗大。为了提高空调制冷和供暖效果,提出一种新的基于BP神经网络的PID控制方案,通过BP算法修正BP网络自身权系数,实现了PID控制器参数的在线调整。仿真结果显示BP神经网络PID控制系统比单纯的BP神经网络或PID控制系统建模时间短,系统更稳定,超调量更小,更适合应用于复杂的空调系统控制中。

时间敏感网络中确定性传输技术综述

时间敏感网络是工业互联网基础设施转型升级的重要研究方向,确定性传输技术是时间敏感网络面向工业控制支撑确定性实时传输需求的核心关键技术,主要包括控制面的时间触发调度技术、转发面的混合传输技术以及确定性时延分析技术.调研了近年来时间敏感网络中确定性传输技术的研究现状并进行了系统地梳理和总结,首先介绍了时间敏感网络不同种类业务流的流量模型;然后基于该流量模型,介绍了控制面的时间触发调度模型、研究现状及其挑战,介绍了转发面时间敏感网络交换机的体系结构、多业务流混合传输策略以及当前方案的不足与改进方向;接着,对整个时间敏感网络的时延模型进行建模分析,介绍基于网络微积分的确定性时延分析技术、研究现状以及可能的改进方向;最后,总结时间敏感网络确定性传输技术所面临的挑战以及未来的研究展望.

三电平海上风电柔性直流输电变流器的PID神经网络滑模控制

针对传统滑模变结构控制在参数摄动时会产生颤振的不足,融合比例–积分–微分神经网络(proportional-integral-derivative neural-network,PIDNN)和滑模变结构控制的优点提出一种新的在线解决方法。建立三电平电压型柔性直流输电变流器数学模型,构造以瞬时有功、无功功率误差为滑模面的滑模变结构控制器,并用PIDNN对选定的价值函数在线训练以取得全局最优解,实时对滑模趋近律参数优化选取,结合李亚普诺夫函数对控制系统的全局稳定性进行分析。对所提控制方案采用Matlab仿真验证,结果表明该方案可使控制系统全局稳定,对参数摄动有很强的鲁棒性,最大限度地减小颤振,易于数字实现。

基于PID神经元网络控制的空间光通信ATP跟踪性能分析

针对空间光通信中跟踪系统的高精度、宽带宽要求,提出了一种基于PID神经元网络(Proportional integral differential neural network-PIDNN)的控制方案。采用MATLAB对所建立的跟踪系统模型进行了仿真分析研究,对采用PIDNN控制器的精跟踪系统的在线训练能力及学习、调整功能进行了仿真验证,同时加入扰动源对精跟踪系统的稳态、动态性能及鲁棒性进行了仿真测试。仿真和测试结果表明:通过PIDNN控制的精跟踪系统具有良好的稳态及动态性能和很强的鲁棒性,系统跟踪精度高且系统带宽较宽。

文化基因算法优化PID神经网络系统辨识

PID神经网络(PIDNN)是一种融合比例、微分、积分环节,结构简单固定,且具备动态网络特点的神经网络模型,适合于非线性系统辨识;但是网络对初始权值和样本质量敏感,参数难以选定,导致网络收敛速度慢,容易陷入局部极小。提出一种采用文化基因算法(Memetic Algorithm)优化网络权值的方法。在差分进化(DE)算法全局寻优结果基础上,通过混沌局部搜索算法,进一步优化网络权值;根据PIDNN特性,在优化过程中加入先验知识,采用L1正则项,对目标函数正则化,避免算法搜索到无潜力解,保证网络模型泛化能力;对一杂非线性系统进行辨识仿真,仿真结果表明优化后的神经网络辨识精度高,有良好的泛化能力。

基于随机放电神经元网络的彩色图像感知研究

本文基于随机共振原理和人脑感知物体色彩的基本生物物理过程,提出了一种低照度彩色图像增强的可解释算法.我们首先研究了电导基积分放电神经元网络中的随机共振现象,揭示了放电阈值、突触权重和集群规模对输出响应信噪比的影响,并识别出放电阈值是影响随机共振效应的关键参数.然后,在结合彩色图像视觉感知的生理过程的基础上,给出了一种基于随机放电神经元网络的彩色图像增强算法,并以峰值信噪比(PSNR)和自然图像质量评估(NIQE)作为提取最优增强图像的度量指标.注意到待增强的图像是非周期信号,因此,为了优化算法的性能,首次提出了一种基于亮度分布的分位数的阈值选取策略.数值实验结果表明,该算法的增强效果良好且性能稳定,并可用于军事探测和医学图像预处理等信号处理领域.

一种网络处理器数据通道的性能建模方法

本文采用网络微积分(Network Calculus)的方法,以IXP1200作为SMT网络处理器的原型,给出了一种网络处理器数据通道的性能建模方法。文中首先描述了IXP1200数据通道的硬件结构和编程机制,然后给出了数据通道的计算模型及其数学特征,在此基础上给出了网络处理器数据通道的性能分析方法。

基于Cornell的自适应电离层闪烁强度的模型研究

针对Cornell模型在同一闪烁条件下,数据更新周期越长,估计和模型输入的幅度闪烁指数S4的偏差越大,并随着电离层闪烁的增强而增强的问题,提出基于Cornell模型的自适应S4的电离层闪烁模型即AS4-Cornell模型。模型以S4的偏差作为BP(back propagation)神经网络比例积分微分(proportional integral derivative,PID)算法的反馈,自动调整输入的复高斯白噪声的区段权值,使最终产生的闪烁信号满足模型输入的闪烁指数S4的指标。结果表明:仿真时,AS4-Cornell模型的幅度和相位闪烁序列概率分布均符合电离层闪烁理论,估算得到的电离层幅度指数S4与模型输入S4指数的最大偏差为0.001;全球定位系统(global positioning system,GPS)电离层闪烁模拟器测试时,AS4-Cornell模型估算得到的电离层幅度指数S4与模型输入S4指数的最大偏差为0.09;相比Cornell模型,AS4-Cornell模型产生的电离层闪烁信号更能够很好地反映模型输入的电离层闪烁指数S4的强度。