导读:本文包含了动态随机网络论文开题报告文献综述及选题提纲参考文献，主要关键词:贝叶斯网络,随机集理论,航班运行风险,动态分析
动态随机网络论文文献综述
张曦,刘君强,张振良,黄亮[1]（2019）在《基于改进随机集贝叶斯网络的航班运行风险动态分析》一文中研究指出针对航班运行风险动态分析,基于众多的航班运行风险的静态分析过程,结合贝叶斯网络和随机集理论,提出了改进的随机集贝叶斯网络的模型用以分析航班运行风险的变化.根据不安全事件的统计数据,精简部分影响因素组成贝叶斯网络,同时给出贝叶斯网络的算法.最后根据天气的实际变化进行运算,得出航班运行风险数据随着时间、天气等因素的动态变化,验证了改进随机集贝叶斯网络的可行性.(本文来源于《武汉理工大学学报(交通科学与工程版)》期刊2019年05期）
张龙[2]（2019）在《无线网络随机动态环境下的资源分配及其决策机制研究》一文中研究指出为了将移动通信与互联网融合,网络、计算和存储功能逐渐下沉到无线网络边缘。因此,增强无线网络边缘能力将是发挥5G最大潜能的重要研究领域。然而,由于边缘网络环境下用户随机移动和资源动态时变,如何考虑这种随机性和不确定性对资源分配和决策的影响仍然是一个挑战。本文首先面向基础设施层,由于用户移动性,导致移动设备与移动边缘计算(Mobile Edge Computing,MEC)服务器间连接不确定,采用多阶段随机规划(MultiStage Stochastic Programming,MSSP)模型来解决随机连接和可能迁移问题,依次制定卸载、计算资源分配和迁移叁阶段策略。首先,MSSP模型考虑所有可能的不确定场景,最小化期望成本函数获得最优策略;接下来,由于MSSP计算复杂度高,本文引入样本平均近似(Sample Average Approximation,SAA)方法,从场景树中随机采样场景获得样本平均函数和近似策略(SAA-MSSP);最后,仿真结果表明,与静态或准静态环境下以及基于均值的卸载策略相比,所提出的MSSP和SAAMSSP方案在总成本和能耗方面都能获得较好的卸载性能.接着,在移动边缘系统层,MEC协调者为虚拟网络请求(Virtual Network Request,VNR)分配一系列资源,并将其映射到底层基础设施上。然而,由于请求随机到达和基础设施资源动态时变,将VNR立即资源映射并不总是最优的,特别是基础设施资源高负载时。考虑到动态环境对策略的影响,本文提出了两种机会虚拟化策略,该策略决定VNR在每个阶段立即资源映射还是等待。首先,为了应对请求的随机性和资源的动态时变,将此映射决策和资源分配策略定义为一个马尔可夫决策过程(Markov Decision Process,MDP)问题,以最大化整体回报获得最优的虚拟化策略,并设计基于MDP的集中式机会虚拟化策略;在此基础上,考虑到MDP问题的复杂性,进一步提出一种基于买卖博弈的激励机制最大化个体回报,设计一种分布式机会虚拟策略;最后,仿真结果表明,与基于现有的资源映射策略相比,所提出的策略在回报、成本、资源利用率和失败概率上获得了更优的性能。(本文来源于《重庆邮电大学》期刊2019-06-09）
任飒[3]（2019）在《基于指数随机图模型的动态网络分析》一文中研究指出网络由节点和边组成,节点表示个体或组织,边表示他们之间的关系,是一种关系数据的表达形式.网络分析方法把研究的问题抽象为网络,通过分析网络的特征变化和生成机制研究问题.指数随机图模型是近些年发展起来的处理此类问题的工具,其假设观测到的网络是由局部特征统计量决定的,模型形式灵活,用途广泛.现实生活中,网络的节点和边不是静止不变的,不断有新的节点和边的增加,旧的节点和边的消失,从而形成动态网络.动态网络广泛存在,研究动态网络的演化问题意义非常.基于此,本文提出动态网络的指数随机图模型,该模型对不同时刻网络参数进行同时估计,相邻网络的信息利用提高了估计的准确性.此外,我们使用迭代重赋权最小二乘法估计该模型,这使得包含很多节点的大规模网络问题也可以在较快时间内求解.实验表明,我们所提方法有助于发现网络变化趋势,比较不同时刻网络特征.贸易问题是宏观经济研究的热点问题.本文用网络分析方法研究国家之间的贸易往来关系.利用60个国家之间的2001-2016年出口金额数据,国内生产总值数据(GDP)和距离数据构建了包含16个时间点的动态贸易网络;基于网络的密度,节点入度和出度的绝对数值和相对数值以及节点度分布展开网络特征分析;建立动态指数随机图模型分析影响因子作用大小的变化趋势.结论表明:2001年-2016年国际贸易网络规模总体上是扩大的;美国和德国在进出口市场上长期占有主导地位,中国是贸易关系增长最快的国家,国际地位上升明显;单边贸易对双边贸易的促进作用在经济景气时更为显着,国内生产总值对出口的促进作用变化较进口更为明显,距离对贸易的抑制作用变化程度较小.(本文来源于《西北大学》期刊2019-06-01）
侍红军[4]（2019）在《复杂动态网络随机外部同步研究》一文中研究指出小到生物细胞内的分子运动,大到世界上不同国家之间的政治经济联系,我们现实生活中的许多系统都可以通过复杂网络来进行建模分析。现如今关于复杂网络的研究已经成为了一个社会热点问题,尤其是在社交网络、计算机网络、生态网络等领域。例如社会学家利用复杂网络来研究人与人之间的社交关系;计算机科学家利用复杂网络来绘制互联网和万维网的结构;生物学家利用复杂网络模型来研究生物细胞的信号传导和代谢过程。在复杂网络及其动力学行为的研究中,复杂网络的同步研究具有十分重要的现实意义和应用价值。网络同步是指在不同初始条件下,通过系统间的相互作用,最终使得节点的动力学状态趋向于一致的现象。由于随机噪声普遍存在于自然系统与人造系统中,因此考虑随机噪声对网络同步行为的影响就显得非常必要。噪声耦合经常被视为是对系统随机和持续的干扰,很可能会使得系统传输信号被遮挡或减弱。但是在实际研究中,研究人员发现随机噪声的存在也有可能会改善网络系统的稳定性。例如将网络系统的不稳定状态转变成稳定状态,或者使本来的稳定状态变得更加稳定。本文主要研究了复杂动态网络的随机外部同步问题。基于随机微分方程的稳定性理论和矩阵不等式性质,分别研究了复杂动态网络的随机滞后外部同步、具有非确定耦合的时滞复杂网络随机外部同步、具有部分时滞的复杂网络牵制随机外部同步和复杂网络的固定时间随机外部同步问题,给出了复杂网络实现随机外部同步的充分条件,并通过数值模拟验证了理论分析的有效性。主要工作如下:1.对于复杂网络随机滞后外部同步问题进行研究。基于随机微分方程的稳定性理论,利用受到随机噪声影响的线性控制器来进行复杂网络的外部同步分析,给出了复杂网络实现随机滞后外部同步的充分条件。理论分析和数值模拟同时表明当外部耦合矩阵为非对称矩阵或可约矩阵时,受到噪声耦合影响的控制器同样能够实现复杂网络的随机滞后外部同步。2.对于具有非确定耦合的时滞复杂网络随机外部同步问题进行研究。构造了受噪声干扰且具有非确定耦合的时滞复杂网络模型,利用随机时滞微分方程的LaSalle不变性原理,给出了具有非确定耦合的时滞复杂动态网络实现随机外部同步的判定定理,同时还分析了自适应控制参数对于网络同步速度的影响。3.对于具有部分时滞的复杂网络随机外部同步问题进行研究。构造了噪声耦合的部分时滞复杂动态网络模型,利用自适应牵制控制方法,给出了部分时滞复杂网络达到随机外部同步的判定定理。数值模拟验证了理论分析的有效性,同时还分析了噪声强度与牵制控制的节点百分比对于网络同步速度的影响。4.对于复杂网络固定时间随机外部同步问题进行研究。为了保证噪声耦合的复杂网络同步设定时间不受系统初始条件影响,基于随机微分方程的固定时间稳定性理论,我们构造了新颖的固定时间同步控制器,给出了复杂网络实现固定时间随机外部同步的判定定理,并对于其同步设定时间的上界进行了估计。(本文来源于《中国矿业大学》期刊2019-05-01）
王超[5]（2017）在《随机时延复杂动态网络的容错同步》一文中研究指出随着计算机及互联网络技术的快速发展,复杂网络在现代生活中有许多实际应用,如智能电网、通信网、神经网络等等,而同步化作为复杂动态网络最重要的集群行为,广泛存在于物理、生物、通信等领域,在过去几十年间复杂动态网络的同步控制成为了国内外研究的热点。而现实复杂动态网络不可能是理想型的,比如网络节点间可能存在着传输时延,复杂网络自身拓扑结构可能存在耦合故障等等,这些不利因素对复杂动态网络同步性能的影响是不可忽略的,所以必须建立与实际情况最符合的复杂动态网络模型,并且采用最有效的控制策略实现对故障复杂动态网络的同步控制。因此,本文利用容错控制思想致力于研究带有不同类型故障的随机时延复杂动态网络的同步控制问题,这对复杂动态网络研究成果的实际应用具有重要意义,本文主要研究内容如下:一、针对随机时延复杂动态网络,考虑网络节点间的耦合故障,采用容错控制思想设计容错控制器,基于Lyapunov稳定性理论和随机分析理论得到容错控制器存在准则,最终控制网络节点状态渐近同步于平衡点。二、针对带有网络耦合故障的随机时延复杂动态网络,通过外加控制器来消除随机时延和网络耦合故障的不利影响以此实现网络的同步,而外加控制器可能发生故障从而导致网络再次失去同步。本文利用容错控制理论和Lyapunov稳定性理论改进同步控制器得到新的容错控制器,使得带有网络耦合故障及执行器故障的随机时延复杂动态网络再次达到同步。叁、针对带有网络耦合故障的大规模随机时延复杂动态网络,由于节点数目众多,通过对所有节点施加控制器进行同步控制不易实现,故采用牵制控制和容错控制相结合的策略,基于Lyapunov稳定性理论设计出容错控制器,并得到施加于网络节点的最少容错控制器数量计算准则,最终实现整体网络的牵制容错控制同步。(本文来源于《南京邮电大学》期刊2017-10-26）
刘兰,任光明,林军[6]（2018）在《SDN环境下的动态随机网络病毒传播模型及特性研究》一文中研究指出软件定义网络(SDN)提供了对网络的动态调控,但是安全性较差。为此,提出一种SDN下的动态随机网络模型。研究网络病毒随子网间节点迁移而扩散及爆发的过程,通过理论分析和数值模拟,发现网络病毒从源子网传播到目标子网的传播特性与子网间节点的迁移率相关。实验结果表明,该方法能有效找出病毒迁移阈值,并能实时发现病毒传播趋势。(本文来源于《计算机工程》期刊2018年08期）
刘丽超[7]（2017）在《基于神经网络的异步电动机随机自适应动态面控制》一文中研究指出异步电动机(IM-Induction Motor)凭借低廉的制造成本,简单的结构,高度的可靠性等优点在交流调速系统和传动系统中发挥着日益重要的作用。异步电动机是一个高阶、多变量、强耦合的非线性系统,而且电机中阻尼转矩、扭转弹性转矩以及磁饱和等现象会使电机转矩、自感互感以及绕组电阻等参数发生变化,产生随机扰动,影响了电机系统的动态响应速度和控制精度。诸多学者提出了多种异步电动机驱动系统的有效控制方案,但是考虑随机扰动的异步电动机传动系统的控制策略研究还相对较少。因此,研究适用于异步电动机随机系统的控制方法,提高异步电动机调速系统的动静态性能具有重要的理论意义和实际应用价值。本文结合动态面和反步法研究了异步电动机随机系统的神经网络速度调节控制问题。利用径向基函数(RBF)神经网络来逼近系统中未知的非线性函数,结合动态面技术和反步控制构建非线性控制器,有效地消除了随机扰动的影响,实现了对异步电动机调速系统的高品质控制。论文的主要研究成果可以概括如下:1.研究了基于神经网络的随机非线性系统自适应动态面控制问题。使用RBF神经网络逼近系统的非线性项,引入动态面通过其一阶低通滤波作用避免了导致控制器结构复杂的“计算爆炸”问题,克服随机扰动的影响,根据反步原理构造整个系统的自适应控制器。最后由Lyapunov方法分析了该方法的稳定性。2.基于动态面技术和神经网络原理,采用自适应反步法设计了异步电动机随机系统的速度调节控制策略。利用神经网络对系统非线性项做逼近处理,动态面技术的运用有效避免了传统反步设计中普遍存在的“计算爆炸”问题;整个系统的真实控制律在反步控制的最后一步给出,稳定性分析表明所构造的控制器能够克服随机扰动的不利影响,使系统内所有的信号都保持有界。仿真实验的结果证明该控制器调速效果优良,且具有较强的鲁棒性。3.将输入饱和限制引入异步电动机的随机系统模型,同样使用RBF神经网络处理系统非线性项,动态面的运用大大减少了控制器构造过程中的计算量,弥补了传统反步设计的不足。最终构建出能使异步电动机实现良好调速效果的控制器,克服了随机扰动的不利影响。该控制器只有一个自适应参数需要调节,且考虑了输入饱和的影响,因此更加具有实际使用价值。(本文来源于《青岛大学》期刊2017-06-03）
刘威[8]（2017）在《基于动态随机卷积神经网络的手写数字识别方法》一文中研究指出图像分类识别主要是从原始图像里划分兴趣区域并进行准确分割,并在此基础上进行分类识别任务。近年来计算机视觉与模式识别特别是卷积神经网络的发展,为分类识别提供了良好的技术支持。由于图像分类识别在视频监控、人脸识别、图像分类检索等方面有着广泛的应用前景,因此越来越受到计算机视觉领域研究者的广泛关注与研究。卷积神经网络是近年发展起来,并引起广泛重视的一种图像分类方法,传统识别方法需要训练大量网络参数,造成了训练时间的增加和网络的过拟合;输入集需要进行前期预处理,丢失了图像的原有特征。与传统方法不同,卷积神经网络不需要针对特定的任务采集图像的特征,而是模拟人类的视觉系统层次化、抽象的产生分类结果,卷积神经网络创新的采用了局部感受野,权值共享,卷积采样技术,减少了网络的训练参数数量,提高了识别速度,使得其在图像识别领域得到了广泛应用。本文从神经网络的基本概念和算法入手,深入研究神经网络理论,进而研究卷积神经网络,通过阐述常见卷积神经网络的不足,在传统卷积神经网络上修改网络结构,提出了基于动态随机卷积神经网络,并基于此理论进一步开展手写数字识别方向的研究,最后通过实验验证其网络模型的有效性和实用性。论文的主要工作如下:(1)整理和总结了近年来阐述了图像识别的研究背景和国内外研究现状,特别是卷积神经网络的国内外发展现状,介绍了神经网络和卷积神经网络的基本概念,详细阐述了网络框架和网络参数,包括网络的卷积层,池化层和梯度下降训练方法。(2)针对传统卷积神经网络对于原始图像大小的局限性,本文提出了一种动态随机卷积神经网络结构和一种随机池化方法,避免了原始图像大小的局限性,更大程度了保留了图像的纹理特征和局部特征。实验结果表明,改进的卷积神经网络精度优于传统卷积神经网络。(3)对全文做总结,提出了自身的不足和未来的研究方向。(本文来源于《吉林大学》期刊2017-05-01）
单麒赫[9]（2017）在《基于动态时滞区间方法的具有时变时滞的随机神经网络稳定性分析》一文中研究指出近几十年来,神经网络理论与应用研究成为世界范围内研究热点。传统神经网络模型中,输入层到隐含层再到输出层,层与层之间是全连接的,但是每层之间的节点是无连接的,不存在信息反馈,导致该模型具有极强的局限性。因此,递归神经网络引起越来越多学者的关注。递归神经网络(或称循环神经网络)的表现形式为网络模型会对上一时刻的历史信息进行记忆并应用于当前输出的计算中,即隐藏层之间的节点不再无连接而是有连接的,并且隐藏层的输入不仅包括输入层的输出还包括上一时刻隐藏层的输出,具有丰富的动力学特性,被广泛应用于模式识别,联想记忆,平行计算,组合优化等许多领域。为充分有效地利用递归神经网络的动力学特性解决优化控制问题,对其稳定性问题的研究,即判定递归神经网络是否存在唯一的稳定的平衡点,是至关重要的。因为存在不稳定的平衡点会导致网络优化结果发散,而且存在多个稳定的平衡点也可能会导致网络优化结果的次优性。因此,如何有效地克服导致网络不稳定的重要因素,构建递归神经网络稳定性判据,判定网络内平衡点的唯一性和稳定性问题十分关键。其中,最需要关注的两种不稳定影响因素是网络中由于信号传播速度限制而产生的时滞现象,以及由于外部环境扰动而产生的随机噪声扰动。针对噪声环境下的时滞递归神经网络稳定性问题,本文首先提出一种新的分析时滞的方法——动态时滞区间方法,并分析了具有多时变时滞及迭加时变时滞递归神经网络的稳定性;其次,考虑到计算量负担,构建了基于凸不等式的具有多时变时滞递归神经网络的稳定性的判定准则;再次,分别研究了基于白噪声和广义噪声建模的随机递归随机神经网络稳定性问题;最后,数值仿真验证了本文所提方法和结果的有效性。本文的主要内容和贡献可概述如下:(1)针对时变时滞神经网络稳定性问题,提出了动态时滞区间方法,并将基于此技术得到的线性矩阵不等式结果应用于时变时滞递归神经网络稳定性的分析。该方法降低了时变时滞递归神经网络稳定性分析中由于矩阵不等式放缩而造成的保守性。理论分析显示,当动态时滞区间参数得到有效优化时,保证系统稳定的允许最大时变时滞上界会明显增大,系统稳定条件的保守性大大降低。与此同时,研究了动态时滞区间参数的优化方法。(2)针对多时变时滞神经网络的稳定性问题,基于动态时滞区间方法,提出了改进的多时变时滞神经网络的稳定性判定方法。该方法将原有的适用于分析一般多时滞系统的李雅普诺夫函数改进为带有柔性积分上下限的李雅普诺夫函数,并基于提出的新的李雅普诺夫函数,分析了多时变递归神经网络的稳定性,并获得了相应的判定定理。(3)针对带有多时变时滞递归神经网络的全局渐近稳定性问题,以Cohen-Grossberg递归神经网络为例,考虑依赖矩阵自由权个数的计算量,提出基于广义矩阵凸不等式的稳定性分析方法。利用数学归纳法证明了广义矩阵凸不等式成立。基于广义矩阵凸不等式,提出判定多时变时滞递归神经网络稳定性的线性矩阵不等式准则。(4)针对白噪声环境下的随机时滞神经网络,提出基于白噪声建模的随机时滞神经网络稳定性判定方法。利用布朗运动及神经网络参数不确定性来刻画神经网络中的随机扰动。基于动态时滞区间方法,设计改进的李雅普诺夫函数,并分析了其沿系统求导后的函数的大小。基于广义Finsler定理,提出了改进的随机时滞神经网络稳定性的判定定理。(5)针对非白噪声环境下的随机递归神经网络,提出基于广义噪声建模的随机递归神经网络稳定性分析方法。定义一类新的噪声,即广义噪声,对其进行建模,并研究了带有广义噪声的递归神经网络的稳定特性。证明了广义噪声环境下,递归神经网络平衡点的存在性和唯一性。基于提出的新随机稳定性引理,得到LMI形式的递归神经网络稳定性判定准则,并讨论了随机递归神经网络稳定性判定的保守性问题。(本文来源于《东北大学》期刊2017-04-01）
张丽,周平,柴天佑[10]（2016）在《高炉多元铁水质量ARMA建模:基于Autoencoder与PCA的改进随机权神经网络方法(实际论文题目:数据驱动高炉多元铁水质量非线性动态建模)》一文中研究指出铁水温度、铁水硅含量[Si]、铁水磷含量[P]、铁水硫含量[S]作为高炉炼铁最为关键的质量指标,需要严格监测和控制。由于难以采用常规仪表进行直接在线检测且离线化验严重滞后,必须建立铁水质量模型以实现铁水质量的在线软测量,这也是实现高炉铁水质量自动控制的关键。本文针对现有随机权神经网络(RVFLNs)建模方法存在的过拟合和泛化能力差的问题,基于自编码(Autoencoder)算法和主成分分析(PCA)技术,提出一种新型的改进随机权神经网络算法,即AE-P-RVFLNs,并将其用于高炉多元铁水质量指标的动态ARMA建模。首先,为了分析出实际复杂工业数据中的有用信息和发现输入数据之间的隐藏关系,用Autoencoder训练输入数据,并将训练得到的输出权值作为后续神经网络中的输入权重;其次,引入PCA技术对隐层输出矩阵进行降维处理,避免隐层输出矩阵多重共线问题,大大降低网络中的无用隐层结点个数,简化网络结构,有效避免由于隐层节点过多导致的过拟合问题;最后,将所提方法在柳钢2号高炉进行了工业试验和比较研究。结果表明,相对于常规铁水质量软测量方法,所提软测量模型提高了计算精度和计算速度,并且有效解决了常规RVFLNs的过拟合问题。(本文来源于《第27届中国过程控制会议（CPCC2016）摘要集》期刊2016-07-31）
动态随机网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为了将移动通信与互联网融合,网络、计算和存储功能逐渐下沉到无线网络边缘。因此,增强无线网络边缘能力将是发挥5G最大潜能的重要研究领域。然而,由于边缘网络环境下用户随机移动和资源动态时变,如何考虑这种随机性和不确定性对资源分配和决策的影响仍然是一个挑战。本文首先面向基础设施层,由于用户移动性,导致移动设备与移动边缘计算(Mobile Edge Computing,MEC)服务器间连接不确定,采用多阶段随机规划(MultiStage Stochastic Programming,MSSP)模型来解决随机连接和可能迁移问题,依次制定卸载、计算资源分配和迁移叁阶段策略。首先,MSSP模型考虑所有可能的不确定场景,最小化期望成本函数获得最优策略;接下来,由于MSSP计算复杂度高,本文引入样本平均近似(Sample Average Approximation,SAA)方法,从场景树中随机采样场景获得样本平均函数和近似策略(SAA-MSSP);最后,仿真结果表明,与静态或准静态环境下以及基于均值的卸载策略相比,所提出的MSSP和SAAMSSP方案在总成本和能耗方面都能获得较好的卸载性能.接着,在移动边缘系统层,MEC协调者为虚拟网络请求(Virtual Network Request,VNR)分配一系列资源,并将其映射到底层基础设施上。然而,由于请求随机到达和基础设施资源动态时变,将VNR立即资源映射并不总是最优的,特别是基础设施资源高负载时。考虑到动态环境对策略的影响,本文提出了两种机会虚拟化策略,该策略决定VNR在每个阶段立即资源映射还是等待。首先,为了应对请求的随机性和资源的动态时变,将此映射决策和资源分配策略定义为一个马尔可夫决策过程(Markov Decision Process,MDP)问题,以最大化整体回报获得最优的虚拟化策略,并设计基于MDP的集中式机会虚拟化策略;在此基础上,考虑到MDP问题的复杂性,进一步提出一种基于买卖博弈的激励机制最大化个体回报,设计一种分布式机会虚拟策略;最后,仿真结果表明,与基于现有的资源映射策略相比,所提出的策略在回报、成本、资源利用率和失败概率上获得了更优的性能。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
动态随机网络论文参考文献
[1].张曦,刘君强,张振良,黄亮.基于改进随机集贝叶斯网络的航班运行风险动态分析[J].武汉理工大学学报(交通科学与工程版).2019
[2].张龙.无线网络随机动态环境下的资源分配及其决策机制研究[D].重庆邮电大学.2019
[3].任飒.基于指数随机图模型的动态网络分析[D].西北大学.2019
[4].侍红军.复杂动态网络随机外部同步研究[D].中国矿业大学.2019
[5].王超.随机时延复杂动态网络的容错同步[D].南京邮电大学.2017
[6].刘兰,任光明,林军.SDN环境下的动态随机网络病毒传播模型及特性研究[J].计算机工程.2018
[7].刘丽超.基于神经网络的异步电动机随机自适应动态面控制[D].青岛大学.2017
[8].刘威.基于动态随机卷积神经网络的手写数字识别方法[D].吉林大学.2017
[9].单麒赫.基于动态时滞区间方法的具有时变时滞的随机神经网络稳定性分析[D].东北大学.2017
[10].张丽,周平,柴天佑.高炉多元铁水质量ARMA建模:基于Autoencoder与PCA的改进随机权神经网络方法(实际论文题目:数据驱动高炉多元铁水质量非线性动态建模)[C].第27届中国过程控制会议（CPCC2016）摘要集.2016