人工神经网络 研究 现状及其展望

cwdecode 神经网络研究项目。 该存储库包含实验代码。 该项目的目的是研究使用递归神经网络和连接主义时间分类（CTC）从原始音频数据中解码摩尔斯电码消息的可能性。 当前，两个Python脚本非常有用： generate_wav_samples.py 它既是用于调试的命令行工具，又是用于生成训练/验证数据的模块。 有关命令行用法，请发出： $ ./generate_wav_samples.py --help" tensorflow_lstm_ctc_train.py 使用CTC作为损失函数，使用LSTM单元构建和训练简单的神经网络。 输入是分块的原始音频。 模型检查点和训练/评估事件保存在名为“ model_train”的目录中。 用法： $ ./tensorflow_lstm_ctc_train.py 可以通过以下方式观察培训进度： $ tensorboar

网络研究的历史 1736，欧拉：哥尼斯堡七桥 1950，Erdos, Renyi: 随机图论 1998，Strogatz, Barabasi: 小世界和无标度网络

聚类系数的定义: Node-1 has 1 complete triangle and 3 triangular graphs, so C(1) = 1/3 Node-2 has 1 complete triangle and 3 triangular graphs, so C(2) = 1/3 Node-3 has 1 complete triangle and 1 triangular graph, so C(3) = 1 Node-4 has 0 complete triangles, so C(4) = 0 Node-5 has 0 complete triangles, so C(5) = 0 Average C = (1/3+1/3+1+0+0) / 5 = 1/3

基于一类改进遗传算法的进化神经网络研究.pdf 基于遗传算法的人工神经网络优化设计.pdf 基于遗传神经网络的股票价格短期预测.pdf

阐述僵尸网络的研究状况，给出其基本定义、结构和实现过程。通过Agobot实例分析，提出将僵尸网络纳入计算机网络对抗体系之中的观点。基于计算机网络对抗理论抽象出整个僵尸网络的概念模型，对模型中功能的实现进行探讨。指出僵尸网络研究中存在的问题与进一步研究的建议。

在大多数自然和工程系统中，一组实体以复杂的模式相互交互，这些模式可以包含多种类型的关系、随时间变化并包括其他类型的复杂性。 此类系统包括多个子系统和连接层，重要的是要考虑此类“多层”特征，以尝试提高我们对复杂系统的理解。 因此，有必要通过开发（和验证）一个框架和相关工具来以综合方式研究多层系统，从而概括“传统”网络理论。 这种努力的起源可以追溯到几十年前，并出现在多个学科中，现在对多层网络的研究已成为网络科学中最重要的方向之一。 在本文中，我们讨论了多层网络（和相关概念）的历史，并回顾了此类网络上爆炸性的工作。 为了统一近期大量工作中的不同术语，我们讨论了多层网络的一般框架，构建了一个术语词典将众多现有概念相互联系起来，并提供了在相关概念之间进行比较、对比和翻译的深入讨论例如多层网络、多路复用网络、相互依赖的网络、网络的网络等等。 我们还调查和讨论了可以表示为多层网络的现有数据集。 我们回顾了将单层网络诊断推广到多层网络的尝试。 我们还讨论了对多层网络模型和概念（如社区结构、连接组件、张量分解和多层网络上的各种类型的动态过程）的快速扩展的研究。 我们以总结和展望结束。

在频率和时域网络中光纤布拉格光栅(FBG)传感网络的资源极其丰富,但单一的复用组网技术只能利用其一方面的资源,网络资源的利用率不高。为了充分利用传感网络资源,提出了一种新型的基于波分复用(WDM)/时分复用(TDM)的网络复用技术的光纤传感网络设计方案。首先将光纤带宽利用阵列波导光栅(AWG)进行波分复用,然后对波分复用的每一信道进行时分复用。在此基础上分析了网络中的散粒噪声和信道串扰对测量结果的影响。充分利用了光信号在频率和时域上的信息,使传感网络具有了寻址和解调数百个光栅信号的潜在能力。该网络可实现超大容量传感,提高带宽利用率,降低成本,具有很好的应用前景。

复杂网络的入门必备，回顾近年来在复杂网络领域中的进展，重点在于网络拓扑特性及动力学的统计力学研究取得的进展。由张宁 王恒山翻译

符号网络是指边具有正或负符号属性的网络,其中,正边和负边分别表示积极的关系和消极的关系.真实世界的许多复杂网络中都存在对立的关系,尤其是在信息、生物和社会领域.利用边的符号属性去分析、理解和预测这些复杂网络的拓扑结构、功能、动力学行为具有十分重要的理论意义,并且对个性化推荐、态度预测、用户特征分析与聚类等都具有重要的应用价值.然而,当前人们对网络的符号属性关注较少.综述了符号网络的研究背景及意义、国内外研究现状和最新进展,并讨论了目前存在的主要问题,试图让人们对符号网络这一研究方向能有清晰而全面的认识,为网络数据挖掘、复杂网络分析、社会学、生物信息学等相关领域的研究者提供有益的参考.