简介:首先,研究了Erdos1合著网络的特征属性,一方面使用节点的度、介数、接近中心性来描述Erdos1合著网络节点重要性,另一方面使用特征向量中心性和本文提出的高阶度参数来描述Erdos1合著网络节点影响力;然后,分别用逼近理想解的排序(TOPSIS算法)算法和主成份分析(PCA)对节点重要性和影响力排序;最后,利用修改的网页排名(PageRank)算法讨论了网络科学原创性论文中最具影响力的论文。
简介:审计作为市场经济的自我约束机制,在经济发展中有着不可或缺的责任.本文利用随机网络技术进行分析,旨在设计出高效率的审计活动方案.首先,利用PERT技术建立了确定型的审计活动模型,在此基础上给出了时间一资源优化下的最优人员分配方案;其次,利用GERT技术建立了随机型的审计活动模型,引入矩母函数和梅森公式进行GERT解析求解求出所需的工期等指标,同时采用蒙特卡罗模拟求解验证解析求解的准确性,为审计活动的工期控制提供了理论依据.最后对于工作时间确定的GERT模型,结合PERT和GERT两种技术对其进行简化分析,从而得到了时间一资源优化下的最优人员分配方案.
简介:基于解的充分必要条件,提出一类广义变分不等式问题的神经网络模型.通过构造Lyapunov函数,在适当的条件下证明了新模型是Lyapunov稳定的,并且全局收敛和指数收敛于原问题的解.数值试验表明,该神经网络模型是有效的和可行的.
简介:制造过程评价是改善制造系统效率的重要一环,传统的评价方法将每个制造系统决策单元视为黑箱来研究整体效率,忽略了中间产品转化信息及投入要素在各子过程中的配置信息。针对两阶段(第二阶段有外源性新投入)制造系统的效率评估问题,分别在固定规模报酬和可变规模报酬假设下,充分利用制造系统中间产品的转化及外源投入要素的配置信息,建立了制造系统网络DEA效率测度及分解模型,建模方法遵循客观评价原则,无需事先主观确定子效率和系统效率之间的组合关系。并将其应用于钢铁制造系统效率测度与分解,研究结果表明该方法能够挖掘决策单元内部子单元的效率情况,帮助决策者发现复杂制造过程非有效的根源,为复杂制造过程的整体效率测度及分解提供了有效的分析方法。
简介:针对系统误差的不确定性可能会引起滤波精度降低或发散的问题,提出一种新的基于模型预测滤波的前向神经网络算法。首先,采用模型预测滤波估计网络在正向传递过程中的模型误差,并对其进行修正,以弥补模型误差对隐含层权值更新的影响;然后,利用模型预测滤波为神经网络提供精确的训练样本,学习待估计系统的非线性关系。将提出的算法应用于SINS/CNS/BDS组合导航系统,并与扩展卡尔曼滤波进行比较,仿真结果表明,提出的算法得到的姿态误差、速度误差和位置误差分别在[-0.25′,+0.25′]、[-0.05m/s,+0.05m/s]和[-5m,+5m]以内,滤波性能明显优于扩展卡尔曼滤波算法,表明该算法能提高组合导航定位的解算精度。
简介:线性矩阵不等式的优良性质可用于解决细胞神经网络中的保性能控制问题.本文介绍了线性矩阵不等式的相关概念和性质;通过对Schur补引理的改进提出了一个引理,从而更容易将二次矩阵不等式转化为线性矩阵不等式,更好地应用于控制参数求解;提出了LMI的基本问题和MATLAB工具箱,并对LMI在细胞神经网络的保性能控制问题作出了简要描述.
简介:在供应链知识服务网络中,知识创造、技术更新是企业持续发展、获得竞争优势的最重要方式。对具有企业核心价值的知识来说,知识成本的投入是采用自我研发的方式还是由专业化的知识服务商提供,对企业的未来发展战略以及投资回报都有直接影响。本文在研究一个知识提供方和一个知识需求方的条件下,通过构建Nash博弈、以知识提供方为主导的Stackelberg博弈、以知识需求方为主导的Stackelberg博弈和合作博弈四种模型,对知识投入成本、价格以及收益进行博弈研究,最终给出最优解。结论指出,供应链若获得最大收益,则知识提供方与知识需求方应该建立战略联盟或合作框架,在供应链最大收益的情况下协商内部分配问题,同时该种情况下的知识成本投入也最大;对于以投入知识获取收益的企业来说,以知识提供方为主导的Stackelberg均衡博弈模型是较好的选择。
简介:介绍了2014年美国大学生数学建模竞赛C题的背景与立意,针对6篇获得Outstanding奖的论文的解题思路与方法进行了归纳与总结,指出了学生答卷中的亮点与不足,并给出了建议和改进方案。