引入记忆-遗忘机制的人工神经网络模型

针对如何提高人工神经网络在模式识别分类速度和更好地模拟人脑学习、认知事物过程的问题,提出一种改进的人工神经网络模型。将人脑的记忆-遗忘机制引入到人工神经网络中,同时在网络中加入了粗分类模块。在网络运行过程中,固定周期内对已学模式按照记忆强度进行排序。此方法可以有效地提高网络的识别速度。实验证明改进后的人工神经网络减少了网络计算量,节省了识别时间,提高了网络的工作效率。

融合多策略改进的自适应乌鸦搜索算法

针对乌鸦搜索算法存在收敛精度低,寻优速度慢,位置更新存在盲目性等缺陷,提出了一种融合多策略改进的自适应乌鸦搜索算法(Adaptive Crow Search Algorithm with Multiple Strategy Improvements,ACSA)。首先,通过引入一种记忆遗忘机制,不仅提高了算法的收敛速度和精度,而且能够保持种群的多样性。当个体乌鸦发现存在跟随者时,引入了黄金正弦算法进行位置更新,克服了位置更新存在盲目性的不足,从而提高了算法的收敛精度。同时改进了自适应感知概率和飞行步长,以此提高算法的寻优速度和精度。将本算法运用于13个基准测试函数和三杆桁架的设计问题,并同其他的算法进行试验对比,并将实验结果进行Wilcoxon秩和检验以及Friedman检验。实验结果表明,改进后的算法在函数优化以及三杆桁架的工程优化问题上,均能够较好地寻优求解,算法的求解精度和收敛速度均得到了一定的提升。

基于SIHR_1R_2的突发事件谣言传播研究

[目的/意义]突发事件会吸引媒体大量报道和人们的广泛关注,导致事件相关的谣言迅速大范围传播,并给人们的生活带来严重影响,为刻画突发事件谣言快速传播的状态,研究影响谣言传播的关键因素,以便采取措施来控制谣言的传播。[方法/过程]分析了突发事件谣言传播的特点,完善了突发事件谣言传播的规则,引入变化的遗忘与记忆函数,在经典传染病模型的基础上,构建了突发事件谣言传播的SIHR1R2模型,并得到模型的交互马尔科夫(IMC)平均场方程。最后,应用Monte-Carlo仿真方法对谣言传播过程进行仿真,分析了媒体以及遗忘记忆机制等因素对谣言传播的影响。[结果/结论]仿真结果与真实数据相比,能够有效的描述谣言传播过程,并得到媒体的报道降低了谣言传播门槛等结论,为制定谣言控制策略提供了理论基础。