基于自适应网络的电网电压稳定评估方法

为了提高电网电压稳定评估能力,构建健康、安全的自适应网络,构建出电网节点模型,通过IEEE 30节点模型分析电网稳定机理,探究不同参数对电压稳定的影响。从电网静态和动态两方面出发,设计电网电压和功率灵敏度、有功功率裕度以及节点能量堆积三个指标,同时将上述指标作为电网的多参数节点稳定指标。采用自适应神经网络对多参数节点稳定指标与电网电压稳定的关系进行计算分析,通过自适应网络对电网节点模型进行处理,得出不同节点指标对电压稳定的影响和预测。试验证明,电网电压评估方法稳定、适应性强,与传统神经网络相比可以有效优化电网运行。

自适应网络上的疾病传播

疾病在网络中的传播取决于接触网络结构。个体可能通过调整其接触来应对疾病,以减少感染疾病的风险,从而改变网络结构,进而影响疾病的传播。本文提出一个具有人口迁移和重新布线的自适应网络上的SIS类型的疾病传播模型,并求解了传播阈值。结果表明,易感者和感染者之间的边断开的概率越大,传播阈值越大。

基于强化学习的自适应网络威胁缓解

随着互联网信息技术的深入发展,通信网络受到攻击入侵威胁也在不断变化,提出一种强化学习算法用于网络自适应威胁缓解,在SDN框架的基础上,研究使用强化学习算法用于网络安全管理。以D3QN算法为基础并对其结构进行了改进,使用改进后的D3QN深度强化学习方法来学习缓解APT攻击,实现网络威胁自适应控制。最后对实验结果进行了评估并给出了改进算法模型的收敛结果,验证了该强化学习方法用于自适应网络威胁缓解的可用性和有效性。

基于自适应网络的球磨机负荷预测方法

鉴于多工况环境下的数据漂移限制了深度学习方法预测球磨机负荷的效果,提出一种基于自适应网络的球磨机负荷预测方法。首先建立基于深度相关对齐的磨矿分级工况划分模型;然后将相对位置编码引入Transformer,对注意力机制进行解耦来将位置信息直接编码进注意力机制,进而提高预测性能;进一步提出一种自适应网络,将分布匹配正则化项应用于Transformer模型的隐层特征,通过减少不同工况之间的分布差异来学习模型隐藏状态的共同参数,提高模型泛化能力;最后采用基于Boosting的方法学习隐藏状态的重要性。试验结果表明,所提自适应预测网络可以明显提高预测球磨机负荷参数的准确性,而且在面对未知工况时预测性能也领先于对比方法。

基于域自适应网络的跨场景摔倒检测算法研究

目前,基于信道状态信息(Channel State Information,CSI)的室内摔倒检测(Fall Detection,FD)系统已被证明拥有巨大潜力,但是,不同室内布局带来的多径效应的差异往往使其无法实现跨场景使用。因此,该文提出了DA-Fall(Domain-adaptive Fall),通过结合两种自适应策略的域自适应方法来改进未标记噪声信号的泛化,从而提高对目标域的检测精度。在提出的摔倒检测系统中,引入了域鉴别器和域混淆自适应层来进行对抗性训练。首先,该算法通过引入依赖于相对值的相对鉴别器来优化对抗训练,从而更好地反映域间差异。其次,将基于多核架构的最大均值差异(Multiple Kernel Maximum Mean Difference,MK-MMD)作为域对抗损失的正则化项,进一步减小域间的边缘分布距离。实验分析表明,DA-Fall取得了比WiFall,RT-Fall,SignGAN更好的效果,在原场景与新场景中分别达到了96.83%和91.03%的检测精度。

社区网络学习者自适应网络学习探究

社区教育是构建学习型社会的一个重要环节,随着网络信息技术的不断普及,社区网络学习已成为社区教育的重要内容,而自适应网络学习也逐渐被越来越多的社区居民所接受,通过文献分析研究,从社区网络自适应学习者的角度,分析研究“资源-推送-实践”模式对社区网络学习与自适应网络学习的影响,认为数字化教学资源、平台推送机制以及实践教学活动是社区网络教学自适应学习者能够有效开展自适应网络学习的关键,提出资源是核心,推送是基础,高效的社区实践活动是学习持续高效开展的保障,是通过研究探索社区网络学习的有效途径。

基于自适应网络模糊推理系统的开关磁阻电机建模方法

提出一种开关磁阻电机(switched reluctance motor,SRM)数学建模的新方法:在已知开关磁阻电机静态电感曲线和矩角特性曲线的基础上,将自适应网络模糊推理系统(adaptive network based fuzzy inference system,ANFIS)用于SRM的整体建模中。该模糊推理系统由5层网络构成,将模糊推理与神经网络有机结合起来,利用它的自学习功能计算出模糊系统的隶属度函数以及相应的模糊规则,形成一个结构简单、紧凑的网络来实现电机绕组电流、转子位置角与电感和转矩的非线性映射关系,然后离线训练得到电感与转矩模型。把这种基于ANFIS的电感和矩角模型应用于SRM的系统建模中,以550W、6/4极SRM为例,进行了仿真与实验比较,结果表明此建模方法能够较好的反映SRM的实际工作状况,从而为SRM系统的建模分析与设计提供一种新的有力的工具。

自适应网络中的流行病传播动力学研究综述

从自适应模型和自适应网络上的疾病控制措施两个方面总结了近年来自适应网络上传播动力学研究的主要成果,特别关注自适应行为带来的网络结构变化和许多有趣的动力学现象。

一种空间分布式变阶数自适应网络滤波算法

现有的自适应网络滤波算法大都假设未知参数向量的阶数己知且恒定,无法解决阶数未知或时变条件下的参数向量估计问题.以最小化网络均方误差为准则,提出一种空间分布式变阶数自适应网络滤波算法.该算法仅要求网络中的各节点与相邻节点进行通信,通过扩散的方式实现整个网络数据信息的融合,具有计算量小、可操作性强及估计精度高的特点.仿真表明,提出的算法能够有效地估计和跟踪未知参数向量的阶数和权值.

基于统计参数的自适应网络推理系统在局部放电缺陷识别中的应用

高压电力设备在发生绝缘劣化的早期,内部会出现局部放电现象,笔者依据检测得到的局放信号,提出了采用基于统计参数的自适应网络推理系统进行绝缘缺陷模式识别的方法。自适应网络推理系统是神经网络和模糊逻辑的结合,通过模糊逻辑进行识别系统建模,利用神经网络训练系统参数。设计并实验了4种绝缘缺陷模型,对多周期的局放信号进行相位分布及幅值分布统计,提取表征局放特性的统计参数,总结了不同缺陷模型局放特征的区别。实际的检测结果表明,经过训练后的局放缺陷识别系统,能够有效地对各种缺陷的样本数据进行分类,达到良好的识别效果。

基于元胞自动机的自适应网络断边重连策略研究

为了有效控制自适应网络中病毒的传播,对自适应网络的重连策略进行了系统的研究。基于先前研究中网络断边后,随机地或根据欧几里德距离进行重连的策略,提出了基于最短路径和节点度的重连策略。首先根据元胞自动机理论建立自适应复杂网络的病毒传播模型。在此基础上,分别在WS小世界网络和BA无标度网络中对Random、Degree、SP、SP-Degree和Degree-SP策略进行比较分析。实验结果表明,SP-Degree策略能够有效破坏具有小世界特征网络的传输性和连通性,对其抑制病毒传播效果最好;而Degree-SP策略能够有效破坏无标度特征网络的传输性和连通性,对其抑制病毒传播效果最好。

动态自适应网络中有界信任舆论演化算法

目前,对社会舆论演化的研究主要在静态网络中进行。但是,实际的社交关系网络是有向的动态自适应网络,舆论的演化受网络的影响;反之舆论的演化也可能会导致网络的动态变化。对此问题,提出了一种动态自适应网络的有界信任舆论演化算法,其主要功能是:如果2个个体的观点差值大于一定的信任水平,个体之间的有向连接就以一定的概率断开;如果观点差值小于一定的信任水平,新的连接将以一定的概率重新生成。研究的主要内容是:动态自适应网络的平均观点集合数、观点统一概率、最大集合人数比例、平均步数和平均度5种统计指标的宏观变化规律。实验结果表明,最终的观点集合有3种类型:信任水平较小时,形成多个观点集合;中等的信任水平时,以一定的概率达成统一的共识;信任水平较高时,总能达成统一的共识。动态自适应网络中观点演化的趋势和静态网络相似,但在动态自适应网络模型中,重连概率对观点演化有较大的影响。当重连概率为零时,静态网络模型的上述指标优于动态网络模型;当重连概率增加时,动态网络模型的统计指标逐渐优于静态网络模型。重连概率增加了网络的连边,增强了个体之间的交流,促进舆论的快速形成。实验结果与实际网络舆论演化的情况相符,能够在一定程度上反映和解释现实社会中舆论演化的情况。

基于ASP.NET的自适应网络学生课件模型

针对目前网络课件不能适应大多数学生个性特点的情况,提出了基于ASP.NET的自适应网络学生课件模型,指出其知识库的构建及其实现方法等。

基于多尺度掩码分类域自适应网络的跨域目标检测算法

针对无监督域自适应目标检测中,域的可辨性和不变性之间的矛盾导致域负迁移和多尺度问题,本文中提出了一种可缓解域负迁移的多尺度掩码分类域自适应网络。首先在主干网络上对多个中间层进行图像级域对抗训练。接着在图像级特征图上加入区域提议掩码,作为一种补充信息对实例特征进行补充。最后提出分类别实例级域分类器,在保证域可辨性前提下,使网络尽可能地提取出有效的域不变信息。在Cityscapes和FoggyCityscapes两个数据集上进行验证的结果表明,本文提出的多尺度掩码分类域自适应网络,其域分类平均精度的平均值提高了13.2个百分点,说明网络域自适应能力显著提升。

基于mobile agent的动态自适应网络安全模型的研究

计算机网络的迅速发展和广泛应用,对信息安全特别是网络安全带来了新的挑战。传统的安全模型和单一的安全手段,已不能适应复杂的网络结构、多变的入侵手段所带来的困扰。作者通过对多种典型的安全模型和技术分析后认为,网络安全是一种动态的安全。基于上述认识,本文提出了一种基于mobile agent的动态自适应安全模型,并详细介绍了该模型的基本结构、控制策略和原型的实现。

自适应网络学习用户界面设计和实现

1引言 自适应用户界面促进了人机交互的质量.最近几年,自适应用户界面在基于Web的信息访问中其应用已变得日益重要.自适应用户界面通过构造和应用用户模型,能够动态适应当前用户和当前任务,为用户提供与手边任务和用户背景知识相关的信息,减少信息过载,辅助用户快速达到目标.

基于自适应网络模糊推理系统的噪声抵消

对自适应网络模糊推理系统(ANFIS)在噪声抵消中的应用进行了研究.说明了ANFIS的结构和使用ANFIS进行噪声抵消的原理,对窄带干扰的滤除和噪声中的信号提取两种情况进行了仿真,并对ANFIS和LMS(最小均方误差准则)两种算法进行了对比研究,结果表明,利用ANFIS进行噪声抵消要优于LMS.

风险意识加强的自适应网络病毒传播研究

当疾病在人群中爆发时,人们对病毒传播的风险意识和规避行为随着人群中感染密度等因素的变化而作自适应的调整。针对人群中不断变化的风险意识和规避行为,提出在SIS网络传播模型中,用时变重连概率函数描述该变化过程,研究自适应网络的动态传播过程。结果证明,网络中时变重连函数的稳定值大,则病毒传播规模小。时变重连概率函数增长速度快,则病毒传播速度慢。表明人们的风险意识高且规避措施全面时,病毒最终的传染规模也小,同时,能及早地认识病毒的危害并采取规避措施,有利于对病毒传播的抑制。

基于GeoAgent的数字地球自适应网络系统模型

数字地球是一个复杂、动态变化的自适应网络系统。通过类比人类对外界刺激的反应过程和数字地球的行为，提出以一种具有学习和空间处理能力的智能实体——空间智能体ＧｅｏＡｇｅｎｔ作为数字地球自适应网络中的基本处理单元。

自适应网络课程的结构研究

自适应型网络课程即能够根据不同的学习者已有的认知结构和知识水平,产生适合于其学习的学习内容,同时采取合适的认知工具来支持学习者产生不同的学习行为,并支持学习者在学习过程中按照已有的学习经验进行学习的网络课程。文章根据数字化学习的特征和对学习内容的要求,分析了自适应网络课程的内容构成,并以网络环境下的学习过程为基础,提出了用学习单元来构建网络课程的思想,并对该课程的实施过程及其自适应性进行了分析。