本书从研究复杂系统的角度来介绍复杂网络。作为一本人门引导，前五章介绍一些复杂系统理论的基础知识，包括熵、计算机与信息、非平衡统计物理学、耗散结构与协同学、临界现象与自组织临界性、混沌、元胞自动机模型、复杂性的定义与量度、有关的统计物理学方法、博弈论、数理统计、图论等。第六、第七章介绍复杂网络的一些基础知识，包括描述网络拓扑结构的统计性质以及一些有影响的网络演化模型。在第八、第九、第十章中介绍了网络上的物理传输过程、生命网络和合作网络与合作一竞争网络。其中侧重介绍了作者群体的工作。另外，本书阐述了作者们对复杂网络研究前景的一些看法，特别是在第十一章中介绍了关于复杂网络动力学框架的一些最新研究。 本书可作为复杂系统与复杂网络研究方向的研究生教材，也可作为相关领域研究人员的参考书。

开源rohc鲁棒性头标压缩实现 开源rohc鲁棒性头标压缩实现

该 Matlab App 允许自动计算临界增益的标称值、控制器带宽和二阶 LADRC 的观测器带宽，以控制由 FOPDT 模型近似的系统。 它需要 FOPDT 模型作为输入，通过与鲁棒性水平和手动调整滑块的交互，用户可以可视化闭环响应并借助一些措施评估二阶 LADRC 性能。 此调整应用程序通过文章中介绍的调整规则计算 LADRC 参数：通过多目标优化调整有源干扰抑制控制器的规则——基于鲁棒性的参数计算指南。 DOI： https : //doi.org/10.3390/math9050517 它包含自己的内置帮助，它是使用 MATLAB APP 设计器开发的。 作者：布兰卡·维维亚娜·马丁内斯·卡瓦哈尔https://www.linkedin.com/in/blanca-viviana-martínez-carvajal-6901701a/ https://www.r

2022年精选数学建模算法教程文档合集第3期：层次分析（3份）包含如下文档： 复杂系统决策模型与层次分析法.doc 层次分析.docx 常用数学模型及建模方法.doc 彩票方案的优选模型.pdf 数学建模竞赛中应当掌握的十类算法.pdf

 为了实现对Buck变换器直流输出电压的精确控制，优化变换器的性能，提出了一种基于双滑模面控制的控制策略，建立了数学模型，并推导了变换器滑模面的存在条件。通过仿真实验表明，采用双滑模面控制滑模变结构控制的Buck变换器具有滑模控制快速响应、鲁棒性强等特点。

针对传统狼群算法（WPA）存在易陷入局部最优解、计算资源耗费大、鲁棒性低等问题，提出一种基于差分进化的改进狼群算法（DWPA）。首先，通过引入探狼搜索因子、猛狼最大奔袭次数、自适应围攻步长、差分进化策略等对传统狼群算法进行了改进，在降低算法计算耗费的同时提高了算法的全局搜索能力；然后，运用马尔可夫链理论证明了DWPA的收敛性；最后，对13个测试函数进行寻优测试，并与WPA等四种算法进行对比分析。测试结果表明，DWPA具有良好的鲁棒性和全局搜索能力，在求解多峰、高维、不可分函数方面的寻优能力尤为突出。

通过快速和可定制的对抗性数据生成提高深度学习系统的鲁棒性 如有任何疑问，请通过电子邮件联系： 。 代码概述 该代码包含七个子项目。 我们研究了三个自定义损失函数（LRP，NCE，可疑性），并在MNIST和CIFAR数据集上进行了实验。 由于DGN架构因使用的数据集而异，因此我们决定将项目分成子项目以避免复杂性。 对于每个自定义损失，我们有两个子项目，分别是RobustMNIST和RobustCIFAR。 因此，我们有六个与基于CAE的对抗性数据生成相关的子项目。 一个子项目用于使用IBM Robustness Toolbox生成FGSM和PGD攻击数据以及FGSM，PGD对抗训练。 六个基于CAE的对抗性数据生成项目中的每个项目都具有相同的Python脚本。 CustomLosses.py ：包含自定义损失函数，该函数将用作DGN模型的损失函数 train.py ：训练DGN模型并将

鲁棒性语音识别系统设计与实现-附件资源

AdverTorch - 基于PyTorch的对抗鲁棒性研究工具箱

本代码基于pytorch实现，复现ICCV 2019论文 Robust Loss Functions under Label Noise for Deep Neural Networks，论文地址https://arxiv.org/abs/1712.09482v1