确定性无线传感器网络定向扩散路由协议

提出了一种新的确定性无线传感器网络定向扩散路由协议以延长网络生存期.Sink以泛洪方式周期性地广播Interest,网络节点依据收到Interest的时间先后设置与邻近节点的梯度值,最先到达的梯度值最大.选择梯度最大方向上的节点建立数据传输路径.通过调整剩余能量的阈值限制低能量节点加入路径以均衡节点能耗.定性分析和仿真结果表明,在单sink单事件及多sink多事件应用场合,所提出的协议在能耗及可靠性方面均优于定向扩散协议,且更易于实际实现.同时定性分析还说明所提协议能获得更好的时延及时延抖动性能.      

对象式Web技术研究

随着Internet技术的发展与普及,网上的资源日益丰富与多样化.而与之相比,现有的Web技术具有很大的局限性,无法支持资源的更广泛、更深层的共享.对象式Web(ObjectWeb)技术正是针对这一问题提出的,是Web技术发展的新阶段.深入分析了对象式Web的核心技术,并论述对象式Web发展初期的以分布式对象技术为核心的几种框架结构,重点阐述了将分布式对象技术与代理、多代理技术融合所形成的理想的框架结构.      

PGP中的信任问题及解决办法

PGP(Pretty Good Privacy)作为强有力的公钥加密工具,已经得到广泛的应用,但不正确的信任假设常常会破坏PGP的安全性.详细研究了PGP的信任模型——信任网,给出其信任结构及信任推理过程.对于PGP中的薄弱环节,提出了相应的解决办法.      

令牌传递网络消息优先级的控制

对令牌传递网络按优先级传输消息的机制进行了分析,提出了一种新的令牌旋转定时器初值的计算方法,该方法使网络消息依最大允许的延迟时间从小到大排序,并在一定网络负载下保证所有消息传输的实时性.本算法得出的结果与国外较成熟的工程实例相比有相当的精度,证明本文的分析和算法是合理有效的.      

人工智能可解释性评估研究综述CSCD

近年来,可解释人工智能(XAI)发展迅速,成为当前人工智能领域的研究热点,已出现多种人工智能解释方法。如何量化评估XAI的可解释性以及解释方法的效果,对研究XAI具有重要意义。XAI的可解释性评估涉及主、客观因素,是一个复杂且有挑战性的工作。综述了XAI的可解释性评估方法,首先,介绍了XAI的可解释性及其评估的概念和分类;其次,总结和梳理了一些可解释性的特性;在此基础上,从可解释性评估方法和可解释性评估框架两方面,综述和分析了当前可解释性评估工作;最后,总结了当前人工智能可解释性评估研究的不足,并展望了其未来发展方向。     

基于BP神经网络的含褶皱复合材料强度预测

利用BP(Back propagation)神经网络处理多参数问题具有的非线性映射及泛化能力,构建了具有3层隐藏层的神经网络,对含纤维褶皱复合材料层合板的压缩强度进行预测。基于LaRC失效准则建立三维损伤模型,对含褶皱复合材料的压缩失效进行数值分析。将数值分析结果作为数据样本对神经网络进行训练。采用黄金分割法快速确定最佳隐藏层神经元数量区间范围,并通过分析对比不同数量神经元模型的强度预测结果及评价指标,确定具有高预测精度的隐藏层神经元数量。结果表明,所构建的神经网络预测最大褶皱角为5.6°、9.9°和11.4°的3种层合板失效强度误差分别为3.4%、4.6%和-0.01%。本文所发展的基于BP神经网络对复合材料强度进行预测的方法,为工程应用中复合材料强度评估提供了一种有效的途径。     

运载火箭推力下降故障下的在线弹道重构方法

针对运载火箭推力下降故障下难以实现在线弹道重构的问题,提出了一种基于神经网络的剩余运载能力估计及程序角重构的算法。以线下基于工程实践的弹道优化方法生成的故障状态下最优弹道作为学习样本,针对程序角曲线的特点,分别使用不同学习方式学习一级飞行段程序角和其他飞行段程序角;分析不同超参数对神经网络训练过程的影响,利用随机搜索法选取超参数。该算法使用以神经网络为核心的机器学习思想,用基于数据的方式避免了因运载火箭动力学模型复杂而无法在线快速求解最优弹道的问题,能够解决大气环境下弹道重构的难题。仿真结果表明,该算法对剩余运载能力估计准确,重构程序角与最优弹道相比误差小,运算速度相比其他方法优势明显。     

非线性估计理论的最新进展

扩展Kalman滤波(EKF)是应用最广的非线性估计方法，然而它存在实现性差、计算量大、估计精度低等缺陷，这些问题起源于。EKF采用了Taylor展开近似。在阐明非线性估计的本质，剖析EKF等传统方法的特点及缺陷的基础上，从非线性估计革新的两条发展思路——非Taylor展开的线性变换及非线性变换出发，分别对插值滤波、Unscented滤波、粒子滤波和神经网络滤波这四种近年来最具特色的新方法进行介绍和评述。通过分析这些方法的工作原理、性能特点、必要性和可行性，将非线性估计最新进展的思想传承、本质内涵、地位与作用予以展现，指出各方法的现存问题、发展潜力和最具可实现性的发展方向。同时强调了各种算法的选取须根据具体应用场合和条件，在主要性能指标之间综合权衡。     

石英晶振老化的建模与模型求解

为预测石英晶振的频率老化，提出了一种非线性时变模型。在一阶马尔可夫假设下，利用多层前向神经网络进行迭代逼近求解。对四种晶体的全部或部分实验数据进行了学习和预测试验。结果表明该模型不仅能拟合函数，而且可在存在野值时，根据以往的数据预测目前的频率。与其他线性模型相比，该模型的预测能力更佳，适用于多种类型的晶振老化模式，预测误差小，有很好的抗噪声能力。     

基于启发式算法的网络可靠性分配方法

由于网络的结构特殊性,已有的经典可靠性分配方法难以直接应用.在AGREE(Advisory Group on Reliability of Electronic Equipment)方法的基础上,根据网络可靠性与部件可靠性的函数关系确定网络部件重要度,运用启发式算法逐步迭代实现了网络k/N端可靠性分配,解决了无法对网络应用串联模型开展可靠性分配的问题.以中国教育网(CERNET,China Education and Research Network)骨干网为案例,应用该方法实现了75%网络节点连通可靠性指标的分配,并进一步分析了迭代终止条件、网络可靠性指标要求等参数对分配结果的影响,通过绘制可靠性随时间变化的曲线证明了分配结果能满足网络可靠性指标要求,说明了该方法的正确性和适用性.