分享到:

Bayes网络理论及其在目标检测中应用研究

本文在对Bayes网络的国内外研究现状进行深入分析的基础上,对Bayes网络的知识表示、推理、解释等基本理论和方法进行了系统的研究,并从理论上对其进行了扩展,对Bayes网络及其扩展模型在航空影像中房屋等目标的识别,以及图像中文本目标的检测与定位等方面应用进行了探讨。全文主要内容如下:1.从图模型角度分析了随机变量的条件独立性质,讨论了Bayes网络知识表示的基本原理及性质,讨论了消息传播与消元推理方法的基本原理,在此基础上提出了一种基于扩展邻接树的消元推理算法。该算法使用扩展邻接树的深度优先确定消元次序,有效解决了选择消元次序的难题。2.在分析Bayes网络解释机制的已有研究成果的基础上,提出一种关于Bayes网络推理结论解释的新机制。文中引入必要性和充分性因子,解释证据对推理结论的作用程度;引入概率分布变化方向的概念,用于判定证据对推理结论的作用方向,检测证据之间可能存在的冲突现象;通过定性和定量分析网络结构特征生成证据对推  (本文共132页) 本文目录 | 阅读全文>>

中国科学院研究生院(计算技术研究所)
中国科学院研究生院(计算技术研究所)

基于蛋白网络聚类的基因功能研究

后基因组时代,功能基因组学研究的目标就是破译基因的功能并控制它们。由于具有相互作用的蛋白质趋向于有相似的细胞功能,可以利用最新的蛋白相互作用网络实验数据和其他大规模蛋白组数据,从系统生物学的角度出发,采用“相互作用-网络-功能”的新思路,通过比较已知和未知基因来类推蛋白的可能机能。本文从网络可视化、含时空的多数据源的聚类、蛋白模块化聚类等切入点入手,提出图聚类的新算法,解决蛋白功能分析的实际问题,采用多种评价方法对国际上和我们新开发的聚类方法进行综合评估,最终把聚类方法研究和可视化软件开发结合起来,对出芽酵母蛋白功能进行综合研究。本文提出了一种简单但信息丰富的手段来整合蛋白网络的拓扑信息和生物信息对网络进行可视化。在我们的方法中,可以很好地把如准团和“辐条状”团通过一棵聚类树显示出来,同时可以把从蛋白功能注释到相互作用的相关性图谱等注释到根据树的顺序表示的矩阵表示上,与以往的聚类方法相比,我们聚类算法ADJW既能很好的反映蛋白相...  (本文共126页) 本文目录 | 阅读全文>>

上海大学
上海大学

针对不确定非线性对象的网络学习控制系统研究

控制回路通过通信网络闭环的控制系统称为网络控制系统。网络控制系统中的网络诱导延时一般是不可避免的,并且往往是一种不确定性的随机延时,这给控制系统的精确设计带来了很大的的困难。此外,不确定性非线性对象在工程实际中大量存在。因此,不确定非线性网络控制系统的鲁棒分析和设计十分重要。当前,不确定非线性网络控制系统的鲁棒稳定性研究是其首要解决的学术难点问题。因此,本文针对一类不确定性非线性对象,通过Lyapunov定理来估计保证系统鲁棒稳定的最大网络延时,由此提出了网络控制系统鲁棒渐近稳定的充分条件。在网络控制系统中,控制回路完全通过网络形成闭环,由于存在网络延时、丢包,甚至瘫痪的危险,控制的稳定性和安全性很难保证。另一方面,随着生产规模的扩大,被控对象的不断拓展、复杂化且存在时变性,为了进一步提高其控制性能并保持优化状态,越来越多的带有学习功能的控制器纷纷出现。并且随着控制要求的高性能化,学习算法复杂度也在不断提高,当需要耗用相当的计算...  (本文共125页) 本文目录 | 阅读全文>>

《冶金自动化》1989年03期
冶金自动化

宽带计算机网络在企业管理中的应用

本文介绍了国内研制开发,并付诸应用的研究成果...  (本文共6页) 阅读全文>>

中共浙江省委党校
中共浙江省委党校

网络公共领域中人的全面发展研究

网络公共领域指的是主要存在于互联网络中,介于国家和市民社会之间的公共领域。按照此定义,网络社会中的许多领域不属于网络公共领域的范畴,比如国家机构、政府部门等公共权力领域被排除在外,家庭、经济组织等私人领域也不属于此范畴。网络公共领域概念中,网络社会的崛起和公共领域概念自身的演化发展都起到了关键作用。网络公共领域主要包括网络公共空间、主体以及网络话题内容,相较于实体公共领域和网络公共领域外的其他网络领域,网络公共领域体现着开放性、多元化和虚实交融的特点。马克思关于人全面发展的理论根据历史唯物主义的思想,从“现实的人”出发,探索具体历史情境中人的需求、实践、以及由实践产生的社会关系、自由个性等,也从中规定人的本质问题、发展问题等。本文根据马克思主义哲学关于人的全面发展理论,探索在网络公共领域中人的发展境遇、特点、问题及展望。在网络公共领域中,人的生存境遇、实践方式以及实践带来的社会关系、社会意识都发生了很大变化。本文认为,人的全面发...  (本文共49页) 本文目录 | 阅读全文>>

北京邮电大学
北京邮电大学

基于强化学习的网络节能控制

AlphaGo的成功证明了深度强化学习在智能决策任务上具有的巨大潜力。利用机器学习理论做智能决策的方法在各个工程领域中开始受到重视。网络中存在大量的动态数据可供机器学习,例如链路时延、队列长度、丢包率、流量变化情况等,这些数据侧面反应着网络的状况,可以用来指导网络管理者作出调控决策。然而将现有机器学习理论应用于网络智能决策中存在以下困难,一是难以实时、有效地收集数据,二是难以标定数据质量,如果采取无监督学习,则难以直接面向智能决策,所以半监督性质的强化学习成为值得探究的路径之一。目前已有的关于网络决策的相关研究,一般是基于启发式算法得到较优的解法,往往需要复杂的设计、测试、实验,如果问题背景迁移,约束条件发生变化,又需要重复进行设计。本文借鉴强化学习理论中的经典框架来进行这一类决策,并根据网络控制问题的特点对已有框架进行改进,设计一个以深度神经网络为决策体的模型,通过对网络的拥塞程度、耗电量等指标的建模作为从环境中观察到的状态,...  (本文共52页) 本文目录 | 阅读全文>>