基于L1范数主成分分析网络的肝功能分级方法

针对肝功能分级方法主要基于患者血液学检查的生物化学指标,具有创伤性,且存在时效性不足等问题.考虑到肝脏CT图像与其病理组织具有一定的关联性,从肝脏CT图像入手,提出一种基于L1范数主成分分析网络(L1-PCANet)的肝功能分级方法.首先,利用L1范数主成分分析(L1-PCA)算法改进主成分分析网络(PCANet)模型中卷积核参数的学习方法,增强对离群数据和噪声的鲁棒性,进而提取出CT图像中肝脏感兴趣区域的深度层级特征,然后,在网络输出层引入等距特征映射(Isomap)算法对特征进行非线性降维,进一步去除冗余信息,最后,利用支持向量机对模型进行优化训练,实现肝功能分级.结果表明:改进模型的分级准确率、查准率、查全率、F1值分别为78.67%,78.10%,87.33%和0.8246,相比原始PCANet模型分别提高了5.81%、2.73%、9.33%和5.8%,有效地提高了肝功能分级的准确率.

一种带有前馈补偿的L1神经网络风机最大功率点跟踪控制方法

针对风机在最大功率点跟踪(MPPT)控制中由于自身存在非线性和未知干扰导致跟踪困难的问题,提出一种带有前馈控制的L1神经网络(L1NN)自适应最大功率点跟踪控制方法.其中的前馈控制器用于补偿叶片转矩带来的干扰项的影响,通过神经网络权值的在线学习,对系统的非线性因素进行逼近,在反馈回路中设有低通滤波器.当满足L1的增益条件时,系统具有最终有界性,通过提高自适应增益来满足所需的瞬态性能.最后在不同风速条件下,将本文所提方法与无前馈补偿方法以及传统模型自适应方法进行仿真实验对比,实验结果表明:本文方法在提高系统响应速度和效率方面均有明显优势.

模拟电路故障诊断L_1估计及其神经网络解法

基于精确罚函数法,提出了新的求解L_1范致问题最优解的神经网络方法,它避免了Kennedy和Chua(1988)网络罚因子较大时性态变坏问题。对Bandler(1982)提出的模拟电路故障诊断L_1范数法进行了改进,将线性约束L_1问题转化为非线性约束L_1问题,并用新的神经网络方法求解,计算量小。模拟实验表明,所提神经网络方法和改进的模拟电路故障诊断L_1范数方法是可行的。

基于神经网络的线性电路故障诊断非线性L1范数优化方法

本文提出了一个新的模拟电路故障诊断非线性L1范数优化方法。在BanderL1范数代化方法[1-3]基础上增加辅助变量即将电路不可及节点电压增量做为辅助优化变量，构造一个新的故障诊断非线性约束L1范数优化问题，由一次最优化过程得到的解定位最可能故障元件；并应用Hopfield网络原理来处理该L1范数问题。提出了计算元件参数增量的神经网络及其（MO，MI）OTA－C实现。故障诊断实例和计算机模拟结果表明所提方法是可行的。

基于L_1神经网络自适应算法的飞行器姿态控制

针对四旋翼飞行器系统非线性、欠驱动、强耦合的特性,提出了基于Sigmoid作用函数的L1神经网络自适应算法姿态控制器。反馈回路中设有低通滤波器,利用神经网络对系统非线性因素在线辨识。只要由低通滤波器和期望闭环系统组成的级联系统L1增益小于非线性因素的李普西兹常数的倒数,就能确保通过提高L1自适应增益,使系统的输入输出信号瞬态响应和稳态跟踪性能与期望的线性时不变系统响应保持一致。仿真验证了算法有效性。

解L_1范数极小化问题的神经网络

到本文提出一个求解Ｌ１范数极小化问题的神经网络新模型，并予以严格证明，对比文［１］中的模型，新模型具有较小的规模；对比文［２］中的模型，新模型不含惩罚参数，因而具有全局收敛到精确解等优点．最后，模拟试验表明，新模型在离散时间情形也是全局收敛的．

网络控制系统的鲁棒L_1跟踪控制

将L1性能约束引入网络控制系统中,研究具有时延和不确定性的网络控制系统的模型参考输出跟踪问题。基于线性矩阵不等式方法推出了该网络控制系统的稳定性和控制器设计的充分条件,并将控制器的设计转化为一个凸优化的求解问题。所设计的控制器能够保证相对于所有峰值有界的外界扰动信号,网络控制系统具有L1性能约束水平。仿真实例证实了该设计方法的有效性。

考虑分布时滞和随机测量数据丢失的网络控制系统非脆弱L_1滤波

考虑具有分布时滞和随机测量数据丢失的网络控制系统,研究系统的非脆弱L_1滤波问题。用Bernoulli随机序列描述系统的测量数据丢失现象,将滤波器设计为具有参数摄动的形式,表示滤波器实现过程的不精确性;选择与时滞相关的Lyapunov函数,建立滤波误差系统的L_1性能判据;利用线性矩阵不等式(LMI)技术,将非脆弱L_1滤波器的求解问题转化为LMI的凸优化问题,得到非脆弱L_1滤波器的参数化方法。仿真结果验证方法的可行性和有效性。

基于L1惩罚Logit模型的P2P网络借贷信用违约识别与预测

利用L1惩罚Logit模型,实证检验P2P网贷信用违约的关键影响因素;并利用混淆矩阵与ROC曲线等分类评价方法,检验模型的违约预测效果。研究发现:L1惩罚Logit模型具有很好的变量选择功能,可以有效地识别影响信用违约的关键因素,降低管理者的监管成本;L1惩罚Logit模型能够获得比普通Logit模型、支持向量机等更好的预测效果,既能够从总体上实现对信用违约状态的准确预测,又能够细致分析关键影响因素对违约概率造成的影响,有助于预测和控制信用风险的发生。

具有随机测量数据丢失和混合时滞的网络控制系统L1故障检测

对于具有随机测量数据丢失、随机时滞和分布时滞的网络控制系统,为解决其受到外部干扰信号为持续峰值有界的L1故障检测问题,设计产生残差信号的故障检测滤波器,利用Bernoulli随机分布序列描述网络环境下的随机测量数据丢失和随机时滞,通过构造时滞相关的Lyapunov-Krasovskii泛函使故障检测系统均方渐近稳定,在持续强噪声干扰下满足L1抑制水平,以线性矩阵不等式(LMI)形式得出低保守性故障检测L 1滤波器的参数化方法。数据仿真结果表明,该方法可有效且灵敏地检测故障信号。

一类线性网络控制系统鲁棒L_1控制

研究一类网络控制系统(NCS)的L1控制问题。针对一类具有时延和丢包的网络控制系统,将其建模为线性时变时延系统,利用Lyapunov稳定性理论和线性矩阵不等式方法建立具有鲁棒L1性能约束的状态反馈控制器。首先给出闭环系统渐近稳定且具有峰-峰值性能约束的充分条件,然后给出网络控制系统状态反馈控制器L1控制率的设计方法,最后利用LMI工具箱求解控制器参数。数值算例结果证明了该方法的可行性。

L1 VPN业务和网络结构

L1VPN/OVPN是新一代传送网最具发展潜力的增值业务之一。本文依据ITU-TSG13关于L1VPN的相关标准,介绍了L1VPN的定义、网络参考模型、业务模型、资源分配方式和结构分类等。

L+1容错恢复策略在复杂军事网络中的应用仿真

以标准3×3网格为基础网络,介绍了L+1容错恢复策略的概念和恢复原理,以海上舰艇编队作战系统网络为研究对象,使用Matlab-Simulink仿真工具,通过对阻塞概率、平均路径长度、路径重新分配概率和有效利用率4个指标的仿真,对比了该网络在无策略、备份多路和L+1容错恢复3种策略下网络的恢复程度,验证了L+1容错恢复策略的有效性和可行性。

L＿1范数法诊断线性电阻电路故障的神经网络法

研究了Ｌ＿１范数法诊断线性电阻电路故障的神经网络方法，基于Ｈｏｐｆｉｅｌｄ网络原理导出了相应的神经网络电路结构。该法具有在线计算量少、故障诊断速度快等特点．计算机模拟结果表明，本文所提方法是可行的。

Clinac 6R/100直线加速器脉冲形成网络负失配故障排除及分析

本文简述了脉冲形成网络电路的脉冲形成原理和脉冲形成网络出现故障时的分析处理 。

基于模糊L1/2正则化的无线传感网络拥塞控制研究

无线传感网络在传输数据过程中,越靠近中心节点越容易产生拥塞,针对无线传感网络的拥塞问题,提出一种L1/2正则化和模糊神经网络相结合的拥塞控制算法。该算法在发送端对采集数据进行压缩观测,融合数据,达到初步缓解拥塞的效果。由于网路的传输数据量与压缩观测矩阵维数成正比关系,网络的拥塞程度很难用精确地数学模型描述,所以采用模糊神经网络对压缩感知观测矩阵维数进行自动的调整,增强算法对网络不同程度拥塞的适应性。在接收端采用L1/2正则化方法对无线传感网络压缩后的传输数据进行重构,重构精度高,数据损失小,实现对网络拥塞的全局控制。最后,对该算法进行MATLAB仿真实验,实验结果显示,该算法能够缓解无线传感网络的拥塞问题且效果明显,在不同的拥塞状况下,网络的吞吐量增大25%~50%,丢包率降低20%~55%,时延减少6s。

基于L_(1/2)范数正则化的塑性回声状态网络故障诊断模型

为了提升储备池的动态适应性能,克服回声状态网络(ESN)输出权值求解的病态不适定问题,平衡其拟合与泛化能力,提出了一种基于L_(1/2)范数正则化的塑性回声状态网络故障诊断模型。在储备池构建中引入BCM规则对连接权矩阵进行预训练,并在目标函数中添加L_(1/2)范数惩罚项以提高稀疏化效率,利用一个光滑化的L_(1/2)正则子克服迭代数值振荡问题,并采用半阈值迭代法对模型进行求解。将模型应用于机载电台的故障诊断问题中,仿真结果证明了模型的有效性和优越性。

基于相似网络融合算法的癌症亚型预测

从基因表达数据中挖掘基因之间的相互作用关系,构建基因调控网络,是生物信息学中重要的研究课题之一。但目前流行的神经网络在其架构中仅考虑基因之间的交互和关联,不考虑患者之间的交互和关联。为此,提出了一种基于加权基因相似网络和样本相似网络融合算法的癌症亚型预测模型,即WGCSS(Weighted Genetic Correlation network and Sample Similarity network)。该方法实现了特征空间和样本空间信息的融合,同时考虑了基因之间和样本之间的相互作用关系,并使用图卷积网络进行预测。在两个空间中聚合信息会导致严重的过度平滑问题,为此在该模型中引入残差层以缓解过度平滑问题。该方法通过聚合两个空间中的数据信息,可以使得癌症亚型预测的结果更加准确。为了验证方法的泛化性能,使用了乳腺浸润癌(BRCA)、多形性胶质母细胞瘤(GBM)和肺癌(LUNG)数据集进行分析,由此产生的高分类精度结果可以表明该方法的优越性。另外,还对3类数据集进行了生存分析,证明该方法在3个癌症数据集上癌症亚型的生存曲线存在显著差异。

一类复值l1范数最小化问题的复值投影神经网络算法

通过定义新的投影函数,提出一种连续时间的复值投影神经网络模型及其离散化算法,能完全在复域上解决一类复值l1范数最小化问题,并在理论上得到新模型及其离散化算法的稳定性和全局收敛性。数值实验进一步表明,新模型的离散化算法能有效地求解基于l1范数最小化的复值稀疏信号的重构问题。

基于网络药理学和细胞实验探讨Hispolon抗结肠癌的作用机制

目的运用网络药理学预测和细胞实验探讨Hispolon抗结肠癌的作用机制。方法Swiss Target Prediction网站获取Hispolon的潜在靶点,与疾病数据库GeneCards、OMIM中结肠癌靶点取交集;利用STRING11.0数据库构建靶点相互作用网络,使用Cytoscape3.7.2软件挖掘Hispolon作用于结肠癌的核心靶点,通过Metascape数据库进行GO和KEGG富集分析,最后采用Western blot验证Hispolon对结肠癌细胞SW480中部分关键靶点的调控作用。结果筛选出Hispolon抗结肠癌作用靶点69个,核心靶点包括BCL-2L1、EP300、CDK1、AR、MTOR、EGFR;富集分析发现Hispolon通过调节癌症相关通路、PI3K-Akt信号通路、前列腺癌相关通路等发挥抗结肠癌作用,并且通路中关键靶点涉及BCL-2L1、EP300、CDK1、MTOR和EGFR核心靶点。通过细胞实验证实Hispolon可下调靶点蛋白BCL-2L1和mTOR的表达,促进SW480细胞凋亡。结论Hispolon治疗结肠癌,具有多靶点、多通路协同作用的特点,该研究为进一步阐明Hispolon抗结肠癌作用机制及临床应用提供科学依据。