一种先进的分布式MDS-MAP网络算法
网络购物文献综述
关于大学生网络购物行为研究分析的文献综述 一、引言 中国互联网信息中心（CNNIC）的2009年调查报告指出，网上购物的网民是一群相对比较高层次的人群，在我国4640万网络购物人数中，拥有本科学历的网民进行网络购物的比例达到36.7%。在网络消费水平方面，有关研究也表明虽然大学生没有固定收入，但其网络消费水平呈现上升趋势，加上现在拥有电脑的大学生越来越多，大学生利用网络资源进行商品交易的频率不断增大。在网络购物渠道方面，三类网站是大学生的首选：主要进行网上零售的B2C网站、拍卖网以及门户网站。 以上数据表明，大学生已经成为我国网络购物的主流群体，在人数比例上占有绝对优势，在消费水平方面呈上升趋势。研究大学生网络购物的影响因素，将有利于我国网络购物水平的整体提升。 二、国内外研究现状及主要观点 国内外已有不少关于网络购物的研究，有很多关于我国网络购物的现状的研究，如呈雯（2006）通过对网络购物的优势以及我国网络购物的发展现状及存在的问题进行分析，指出我国网络购物的存在的主要问题是我国网络购物在地域上发展相当不平衡；网站的功能设计和配套措施先对落后。她认为应该大力宣传网络购物优势，扩大网络购物的影响；整合传统实体销售，推动网络购物的发展；同时建立相关法律体系，保障网络购物中的权益。 网络购物作为一种新型的购物模式，正在被越来越多的人所接受，C2C网站如何在网络购物中得到每一个消费者信任，让更多的消费者选择在他们的网站上进行购物。在C2C网络购物环境下，如果网站能够提高消费者对网站有用性的感知，就能够帮助消费者快速有效地完成购买，从而在消费者心中有用性的评价就会提高。宋小玉（2007）从理论上构建了C2C网络购物买方消费者的信任模型，对消费者信任的影响因素和作用传导机制进行了探讨，分析了C2C网络市场环境
文献综述大赛—网络编码的发展和趋势
科技文献综述竞赛 网络编码研究综述 姓名：贾骐玮张丽韩改霞 专业：交通信息工程及控制 学号：130112038213011203801301120372 指导教师：张向东 2014年4月7日
网络编码研究综述 贾骐玮，张丽，韩改霞 （西安电子科技大学交通信息工程及控制专业，西安710071） 摘要：网络编码是指网络中的节点参与编译码，它的提出对于网络信息论具有划时代的意义。网络编码具有提高网络吞吐量、均衡网络负载、节省网络带宽、降低节点能耗等显著优点。本文介绍了网络编码的起源与发展，基本原理以及其在无线网络、P2P系统、分布式文件存储、网络安全等领域的最新应用。文章最后对网络编码的研究趋势和热点进行分析，并对其提出展望。 关键词：网络编码网络信息论P2P系统分布式文件存储网络安全 Research on Wireless Network Coding:A Survey Jia Qiwei,Zhang Li,Han Gaixia (XiDian University,Traffic Information Engineering&Control,Xi’an710071,China) Abstract:Network coding refers to the nodes within the network involved to encoding and decoding,it has a great significance for network information https://www.docsj.com/doc/1d10653557.html,work coding can larger throughput of the network,enhance network load balance,save network bandwidth and reduce the energy consumption of nodes.This article describes network coding origin and development,as well as its basic principles and its latest applications in the areas of wireless network,P2P systems,distributed file storage,and network security and so on.Finally,we analysis the trends and hot spots for the research of network coding,and then raise its outlook. Keywords:Network Coding;Network Information Theory;P2P System;Distributed File Storage;Network Security 经典的信息理论指出，不论是互联网中的数据包还是移动网络中的信号，信息的传输都只是单纯的共享网络和链路资源，彼此互不相干、相互独立。数据的路由、存储、差错控制等等研究都是基于上述假设。直到网络编码的提出，完全打破了这一假设，开创了一个全新的领域。 网络编码(network coding)是一种融合了编码和路由转发的信息交换技术，在传统存储转发的路由方法基础上，通过允许对接收的多个数据包进行编码(如模二加、有限域上的运算等)信息融合，增加单次传输的信息量，以提高网络信息传输效率和整体性能。网络编码打破了经典信息论中商品流(Commodity Flow)[2]不能被压缩的结论，指出网络
国内外网络社会学研究综述
国内外网络社会学研究综述 郑永强 2009-02-19 14:10:57 计算机网络作为20世纪人类最为重要的发明，不仅在技术领域引起了一系列的革新，而且直接导致了人类互动过程、思维方式、生活形态乃至的社会结构的重新建构。数字化、网络化、全球化成为以技术为发端的社会变革的前沿领域，作为以社会结构与运行状态为基本研究对象的社会学，对于网络技术对传统社会的深刻影响有必要进行全面细致的观察、把握和分析，而运用社会学理论和方法来审视变革中的社会的运作机理、特点与结构关系，并在一个广泛的交互作用的背景中对其加以分析，做出科学的描述、解释和预测，更是社会学的历史使命。由是，网络社会学应运而生。 本文旨在通过对近期国内外网络社会学研究成果的回顾，进一步明确网络社会学的研究对象和范围、确立网络社会学的独有视角和发现社会学方法在网络社会学研究上的创新与突破，最终从网络社会学与传统社会学的交互中找寻网络社会学发展的清晰路径。 一、网络社会及其存在与发展 (一)网络作为网络社会的物理介质和现实基础 麦克卢汉(Mcluhan)曾经说过:“媒介即信息”。他揭示了技术媒介作为人类的延伸是构成一定社会形态的基础性物质架构。人类历史上每次关键性技术的突破，一种新技术架构的形塑，通常都会导致人类的生活方式甚至基本社会结构的转型，从而开拓新的生存空间，形成新的生活经验。如今，互联网就是一项这样具有革命性的技术。 国际互联网(因特网)是一个以贯通全球的计算机网络、由众多的自主计算机和数以万计的服务器、网站和数据库等为要素所组成的信息采集、贮存的传输系统。
网络技术就是支持和维系网络运行的相关技术，是主要由计算机技术和通信技术相结合而形成的技术集合体，构成了维系网络社会存在和运行的物质基础。从目前网络技术的现状及可以预见的未来信息高速公路的情况来看，网络技术主要包括数字通信技术、数据压缩技术、多媒体技术的数据组织技术这四大核心技术。 数字通信技术是将各种信息都被转换为数字的形式，高速传送到目的地，然后再还原为原来的形式。多媒体技术则是在计算机应用范围不断扩大的基础上，将数字、文字、图形、声音和图像等信息载体进行集成组合的一种信息处理技术;目前多媒体技术正在实现气味和动感的储存、传输的再现，以调动人的全部感观虚拟现实。数据组织技术的目的是让网上信息可以检索的易于检索。 物理上，计算机网络具有以下这样一些基本的特征: 数字化。数字化是将各种信息按照一定的规则用数字“0”和“1”的组合进行记录，网络上所有的信息都经过了数字化处理。据估算，目前人类新生产的信息在部是数字化的信息，“原子”形态的信息正在以一个越来越快的速度数字化，有人估计数字化信息的总量已经超过非数字化信息的总量。 大容量。网络不仅可以大量存储各种各样的文本信息，而且还可以存储大量的图形、图像、声音、软件等各种类型的信息。由于不同的个人、组织、企业、政府部门以及各行各业的各种信息均能够存储在网络上，使得网络本身就构成了一个容量巨大的信息数据库。 开放性。因特网不限制任何计算机和计算机网络的接入，通过遵守共同的协议，任何网络和计算机都可以方便地成为因特网大家庭的一员，跨越现实社会的地区和国家疆界进行信息传输与获取。 智能化。智能化使得网络易于使用，可以为更多的网络互动者提供上网的方便，众多的网络互动者不断地对网络智能化提出新的要求，推动着网络技术的更进一步智能化。
Hopfield神经网络综述
题目：Hopfield神经网络综述 一、概述： 1.什么是人工神经网络（Artificial Neural Network，ANN) 人工神经网络是一个并行和分布式的信息处理网络结构，该网络结构一般由许多个神经元组成，每个神经元有一个单一的输出，它可以连接到很多其他的神经元，其输入有多个连接通路，每个连接通路对应一个连接权系数。 人工神经网络系统是以工程技术手段来模拟人脑神经元（包括细胞体，树突，轴突）网络的结构与特征的系统。利用人工神经元可以构成各种不同拓扑结构的神经网络，它是生物神经网络的一种模拟和近似。主要从两个方面进行模拟：一是结构和实现机理；二是从功能上加以模拟。 根据神经网络的主要连接型式而言，目前已有数十种不同的神经网络模型，其中前馈型网络和反馈型网络是两种典型的结构模型。 1）反馈神经网络(Recurrent Network) 反馈神经网络，又称自联想记忆网络，其目的是为了设计一个网络，储存一组平衡点，使得当给网络一组初始值时，网络通过自行运行而最终收敛到这个设计的平衡点上。反馈神经网络是一种将输出经过一步时移再接入到输入层的神经网络系统。 反馈网络能够表现出非线性动力学系统的动态特性。它所具有的主要特性为以下两点：（1）.网络系统具有若干个稳定状态。当网络从某一初始状态开始运动，网络系统总可以收敛到某一个稳定的平衡状态； （2）.系统稳定的平衡状态可以通过设计网络的权值而被存储到网络中。 反馈网络是一种动态网络，它需要工作一段时间才能达到稳定。该网络主要用于联想记忆和优化计算。在这种网络中，每个神经元同时将自身的输出信号作为输入信号反馈给其他神经元，它需要工作一段时间才能达到稳定。 2.Hopfiel d神经网络 Hopfield网络是神经网络发展历史上的一个重要的里程碑。由美国加州理工学院物理学家J.J.Hopfield 教授于1982年提出，是一种单层反馈神经网络。Hopfiel d神经网络是反馈网络中最简单且应用广泛的模型，它具有联想记忆的功能。 Hopfield神经网络模型是一种循环神经网络，从输出到输入有反馈连接。在输入的激励下，会产生不断的状态变化。 反馈网络有稳定的，也有不稳定的，如何判别其稳定性也是需要确定的。对于一个Hopfield 网络来说，关键是在于确定它在稳定条件下的权系数。 下图中，第0层是输入，不是神经元；第二层是神经元。
Hopfield神经网络综述
题目： Hopfield神经网络综述 一、概述： 1.什么是人工神经网络（Artificial Neural Network，ANN) 人工神经网络是一个并行和分布式的信息处理网络结构，该网络结构一般由许多个神经元组成，每个神经元有一个单一的输出，它可以连接到很多其他的神经元，其输入有多个连接通路，每个连接通路对应一个连接权系数。 人工神经网络系统是以工程技术手段来模拟人脑神经元（包括细胞体，树突，轴突）网络的结构与特征的系统。利用人工神经元可以构成各种不同拓扑结构的神经网络，它是生物神经网络的一种模拟和近似。主要从两个方面进行模拟：一是结构和实现机理；二是从功能上加以模拟。 根据神经网络的主要连接型式而言，目前已有数十种不同的神经网络模型，其中前馈型网络和反馈型网络是两种典型的结构模型。 1）反馈神经网络(Recurrent Network) 反馈神经网络，又称自联想记忆网络，其目的是为了设计一个网络，储存一组平衡点，使得当给网络一组初始值时，网络通过自行运行而最终收敛到这个设计的平衡点上。反馈神经网络是一种将输出经过一步时移再接入到输入层的神经网络系统。 反馈网络能够表现出非线性动力学系统的动态特性。它所具有的主要特性为以下两点：（1）.网络系统具有若干个稳定状态。当网络从某一初始状态开始运动，网络系统总可以收敛到某一个稳定的平衡状态； （2）.系统稳定的平衡状态可以通过设计网络的权值而被存储到网络中。 反馈网络是一种动态网络，它需要工作一段时间才能达到稳定。该网络主要用于联想记忆和优化计算。在这种网络中，每个神经元同时将自身的输出信号作为输入信号反馈给其他神经元，它需要工作一段时间才能达到稳定。 2.Hopfield神经网络 Hopfield网络是神经网络发展历史上的一个重要的里程碑。由美国加州理工学院物理学家J.J.Hopfield 教授于1982年提出，是一种单层反馈神经网络。Hopfield神经网络是反馈网络中最简单且应用广泛的模型，它具有联想记忆的功能。 Hopfield神经网络模型是一种循环神经网络，从输出到输入有反馈连接。在输入的激励下，会产生不断的状态变化。 反馈网络有稳定的，也有不稳定的，如何判别其稳定性也是需要确定的。对于一个Hopfield 网络来说，关键是在于确定它在稳定条件下的权系数。 下图中，第0层是输入，不是神经元；第二层是神经元。
网络编码研究综述
网络编码研究综述 摘要：网络编码是通信网络中信息处理和传输理论研究上的重大突破，它的核心思想是允许网络节点对所传输的信息进行编码处理。它在提高网络数据吞吐量即数据传输可靠性等方面拥有显著的优势。本文介绍网络编码的基本原理以及主要优缺点，对网络编码的研究进展进行分析，分析网络编码当前面临的重要问题，以及解决网络编码问题可能采取的方法。 关键词：网络编码；随机网络编码；网络编码机制 引言 香港中文大学的R. Alshwede 等在2000年的IEEE信息会议上发表的一篇著名论文[1]，该论文首次提出了网络编码(Network Coding)的概念，并从理论上证明了：如果允许网络节点对传输的信息按照合适的方式进行编码处理，而不是局限于传统的存储和转发，则基于该方式的网络多播总能够实现理论上的最大传输容量。网络节点对传输信息进行操作和处理的过程，就称为网络编码。 网络编码的提出是网络通信领域中的一项重要突破，自其被Ahlswede提出以来，已迅速发展成为一个重要的研究领域，对信息论、编码、通信网络、网络交换理论、无线通信、计算机科学、密码学、矩阵论等研究领域产生了深远的影响，已成为当今最热门的研究领域之一。网络编码是一种融合编码和路由的信息交换技术。它的原理是，网络中的节点对接收到的多个数据分组进行编码融合，经过编码后的数据被中间节点以多播的方式进行转发，目的结点可依据相应的编码系数进行解码，从融合的数据中还原出原始的数据，网络编码通过允许网络中间节点对不同数据流数据编码获得网络最大流传输理论的上界，从而改变了传统网络节点智能从当存储、转发的角色。 网络编码已引起国内外学者的广泛关注，国外一些著名的院校和实验室都对网络编码进行了研究，例如MIT、普林斯顿大学和微软研究院等，它们的研究侧重点在应用网络编码提高网络吞吐量及提高网络能量利用率，以及编码提高网络传输的可靠性和安全性等方面。其中，前一个侧重点的研究多集中在传输中编码策略的研究[2-3]，而在提高数据传输的可靠性等方面的研究多集中在数据的重传策略方面[4]。国内香港中文大学和西安电子科技大学等方面的学者对网络编码的研究做出了重要的贡献，网络编码的思想是由杨伟豪和李硕彦首次提出。他们将网络编码应用于检测和纠正网络错误的研究。杨伟豪和蔡宁[5]在经典纠错码的基础上引入了网络纠错码的概念，通过引入空间域的冗余代替时间域的冗余来纠正
计算机网络现状和发展综述
学号：计算机网络现状和发展综述 学院名称： 专业名称： 姓名： 教师： 2011年10 月 I
摘要 在当今世界，计算机互连网络Internet 的热潮依然冲击着整个世界。本文介绍了中国第一个国家范围的学术性计算机互连网络: 中国教育和科研计算机网络CERN ET,简要论述了中国教育和科研计算机网的现状，包括对教育网整个结构的描述，CERNET采用的主要技术以及一些技术上的更新，例如从IPV4到IPV6的一个跨越，IPV4地址的耗尽制约了互联网的发展，也决定了IPV6网络时代的到来，在此基础上，介绍了下一代互联网（Next Generation Internet）以及关键技术，最后对下一代网络的发展方向进行展望。 关键词:中国教育和科研计算机网，IPV4,IPV6，下一代互联网 II
第一章绪论 中国教育和科研计算机网CERNET是由国家投资建设，教育部负责管理，清华大学等高等学校承担建设和运行的全国性学术计算机互联网络，是全国最大的公益性计算机互联网网络，也是世界上最大的国家学术互联网。它是我国开展现代远程教育的重要平台；是我国互联网研究的排头兵；具有雄厚的技术实力CERNET 还是中国开展下一代互联网研究的试验网络；它以现有的网络设施和技术力量为依托，建立了全国规模的IPV6试验床。然而，随着网络规模的持续扩大和新业务需求不断增长，以及新的终端设备的投入使用，全球互联网发展遇面临着前所未有的挑战，如IP地址严重不足、网络安全等。发达国家相继制定了下一代互联网发展计划，我国也必须对此做出战略性抉择。我国IP地址的全球资源占有率非常低(目前不足全球10%，而网民却占世界总数的20%还要多)，迫切需要大量地址资源。面对全球IPv4地址已经分配完毕的严峻形势，想下一代互联网过度已经迫在眉睫。 1.1 选题背景 二十世纪八十年代以来，世界上几乎所有发达国家都已相继建成了国家级的教育和科研计算机网络，并相互连成覆盖全球的国际性学术计算机网络Internet。这种全球计算机信息网络的产生加快了信息传递速度，为广大教师学生，以及科研人员提供了一个全新的网络计算环境，从根本上改变并促进了他们之间的信息交流、资源共享、科学计算和科研合作，成为这些国家教育和科研工作最重要的基础设施，从而促进了这些国家教育和科研事业的迅速发展。近年来，许多发达国家为进一步保持其在经济和技术领域的领先地位，在“信息高速公路(Inform ation Highway)”计划之后，又相继提出了下一代互联网计划，并正在紧锣密鼓地付诸实施。
基于人工神经网络预测探究文献综述
基于人工神经网络的预测研究文献综述专业：电子信息工程班级：08级2班作者：刘铭指导老师：熊朝松 引言 随着多媒体和网络技术的飞速发展及广泛应用，人工神经网络已被广泛运用于各种领域，而它的预测功能也在不断被人挖掘着。人工神经网络是一种旨在模仿人脑结构及其功能的信息处理系统。现代计算机构成单元的速度是人脑中神经元速度的几百万倍，对于那些特征明确，推理或运算规则清楚地可编程问题，可以高速有效地求解，在数值运算和逻辑运算方面的精确与高速极大地拓展了人脑的能力，从而在信息处理和控制决策等方面为人们提供了实现智能化和自动化的先进手段。但由于现有计算机是按照冯·诺依曼原理，基于程序存取进行工作的，历经半个多世纪的发展，其结构模式与运行机制仍然没有跳出传统的逻辑运算规则，因而在很多方面的功能还远不能达到认得智能水平。随着现代信息科学与技术的飞速发展，这方面的问题日趋尖锐，促使科学和技术专家们寻找解决问题的新出路。当人们的思想转向研究大自然造就的精妙的人脑结构模式和信息处理机制时，推动了脑科学的深入发展以及人工神经网络和闹模型的研究。随着对生物闹的深入了解，人工神经网络获得长足发展。在经历了漫长的初创期和低潮期后，人工神经网络终于以其不容忽视的潜力与活力进入了发展高潮。这么多年来，它的结构与功能逐步改善，运行机制渐趋成熟，应用领域日益扩大，在解决各行各业的难题中显示出巨大的潜力，取得了丰硕的成果。通过运用人工神经网络建模，可以进行预测事物的发展，节省了实际要求证结果所需的研究时间。 正是由于人工神经网络是一门新兴的学科，它在理论、模型、算法、应用和时限等方面都还有很多空白点需要努力探索、研究、开拓和开发。因此，许多国家的政府和企业都投入了大量的资金，组织大量的科学和技术专家对人工神经网络的广泛问题立项研究。从人工神经网络的模拟程序和专用芯片的不断推出、论文的大量发表以及各种应用的报道可以看到，在这个领域里一个百家争鸣的局面已经形成。 为了能深入认识人工神经网络的预测功能，大量收集和阅读相关资料是非常必要的。搜集的资料范围主要是大量介绍人工神经网路，以及认识和熟悉了其中重要的BP网络。参考的著作有：马锐的《人工神经网络原理》，胡守仁、余少波的《神经网络导论》以及一些相关论文，董军和胡上序的《混沌神经网络研究进展和展望》，朱大奇的《人工神经网络研究现状及其展望》和宋桂荣的《改进BP算法在故障诊断中的应用》，这些
内容中心网络CCN 研究进展
内容中心网络 CCN 研究进展1
?
闵二龙，陈 震，许宏峰，梁 勇
清华大学 计算机系 信息技术研究院 网络安全实验室， 信息国家实验室， 北京 100084
e-mail: min.erlong@https://www.docsj.com/doc/1d10653557.html,
摘要‐当前以信息中心网络(ICN)为代表的未来网络的研究发展迅速，并越来越得到研究人员 的关注。本文综述了内容中心网络（CCN）的相关研究，CCN 网络是 ICN 研究热点之一，CCN 网络在内容分发效率，网络安全和部署方面具有显著的优势。本文首先给出了 CCN 的相关 研究背景，介绍了 CCN 的工作机制，并调研了当前 CCN 的研究热点问题及其挑战，分析了 CCN 主要比较优势与存在的问题，最后通过实验测试床验证了 CCN 的工作模式。CCN 网络 是 ICN 的主要架构之一， 是现有 TCP/IP 网络体系架构的强有力的竞争者， 在未来网络的演化 中将发挥更大的作用。 关键词：网络体系结构，信息中心网络，内容中心网络，内容分发，网络安全，物联网
一， CCN 研究背景
随着互联网上应用的不断发展变化，基于 TCP/IP 的现有互联网也逐渐暴露出许多的不 适应，当前互联网上暴露出的问题主要有：安全性差，不支持移动，不可靠，缺乏灵活性， 有效性限制2，对新应用僵化等问题。针对这些问题，当前国内外研究机构主要有“改良” 和“革命”两种解决思路，简单的讲，凡不改变互联网 IP 的主体地位，则属于“改良” ，而 想要替代 IP 的主体地位的网络就叫“革命” 。目前国际上有很多研究机构，进行未来网络的 设计研究。2010 年，美国 NSF 就资助了 4 个未来互联网体系结构 FIA ( Future Internet Architecture)研究项目 【14】 ， 分别是： NDN?(Named?Data?Networking)?【15】 、 MobilityFirst?【16】 、 NEBULA 【17】 、XIA?(eXpressive?Internet?Architecture)【18】 ，资助时间是 3 年。 这四个项目都宣称能解决当前互联网的主要问题，但其侧重点各不相同： NDN 项目的主要思想来源于对当今互联网上背景和应用需求改变的观察。当今互联网 在设计之初，主要的应用需求是计算资源共享，而经过 50 多年的发展，互联网的使用已发 生了巨大的变化， 现在互联网的主要使用需求是内容的获取和分发。 虽然应用发生了这么大 的变化，但互联网的体系结构仍然是 host‐to‐host 通信模式，对于以发布和获取信息为主的 互联网，host‐to‐host 通信模式存在明显的不足，比如每次存取内容，都要间接映射到内容 本文受国家 973 项目（编号：No.2011CD302600，No.2011CB302805，No.2012CB315800) 和国家自然科学 A3 重点基金项目（编号：No.61161140320）资助 2 内容分发作为主要互联网应用并没有得到体系架构支持 作者简介：闵二龙（1978‐） ，男，陕西，硕士；陈震（1976‐） ，男，浙江，副研究员，工学 博士；许宏峰，男，广东；梁勇，男，安徽。?
1
[键入文字]
人工神经网络综述
目录 1 人工神经网络算法的工作原理 (3) 2 人工神经网络研究内容 (4) 3 人工神经网络的特点 (5) 4 典型的神经网络结构 (6) 4.1 前馈神经网络模型 (6) 4.1.1 自适应线性神经网络(Adaline) (6) 4.1.1.1网络结构 (6) 4.1.1.2学习算法步骤 (7) 4.1.1.3优缺点 (7) 4.1.2单层感知器 (8) 4.1.2.1网络结构 (8) 4.1.2.2学习算法步骤 (9) 4.1.2.3优缺点 (9) 4.1.3多层感知器和BP算法 (10) 4.1.3.1网络结构： (10) 4.1.3.2 BP算法 (10) 4.1.3.3算法学习规则 (11) 4.1.3.4算法步骤 (11) 4.1.3.5优缺点 (12) 4.2反馈神经网络模型 (13) 4.2.1 Hopfield神经网络 (13) 4.2.1.1网络结构 (13) 4.2.1.2 学习算法 (15) 4.2.1.3 Hopfield网络工作方式 (15) 4.2.1.4 Hopfield网络运行步骤 (15) 4.2.1.5优缺点 (16) 4.2.2海明神经网络（Hamming） (16) 4.2.2.1网络结构 (16) 4.2.2.2学习算法 (17) 4.2.2.3特点 (18) 4.2.3双向联想存储器（BAM） (19) 4.2.3.1 网络结构 (19) 4.2.3.2学习算法 (19) 4.2.3.4优缺点 (21) 5.人工神经网络发展趋势以及待解决的关键问题 (22) 5.1 与小波分析的结合 (22) 5.1.1小波神经网络的应用 (23) 5.1.2待解决的关键技术问题 (23) 5.2混沌神经网络 (23) 5.2.1混沌神经网络的应用 (24) 5.2.2待解决的关键技术问题 (24)
网络纠错编码—渊源与进展
课程基本信息 课程名称：通信前沿技术——网络纠错编码：渊源和进展 课程时数：6学时（2单元） 开课单位：抗干扰通信技术国家重点实验室 开课教师：周亮教授 电子邮箱：lzhou@https://www.docsj.com/doc/1d10653557.html, 课程教材：美国南加州大学（USC）张箴教授系列论文 Zhen Zhang,Theory and Applications of Network Error Correction Coding，unpublished 2009 Xuan Guang, Fang-Wei Fu, Zhen Zhang，Construction of Network Error Correction Codes in Packet Networks，unpublished 2010 Zhen Zhang,Some Recent Progresses in Network Error Correction Coding Theory，Fourth Workshop on Network Coding, Theory and Applications, 2008. Zhen Zhang, Linear Network Error Correction Codes in Packet Networks，IEEE Trans. Info. Theory, V 54, No. 1, Jan 2008 课程要求：阅读原始文献1至2篇；参与听课和课堂讨论 课程考核：写出一篇不少于1500字的课程学习注记（Comments或者Notes） 提交时间：2010年1月15日前 提交方式：电子邮件 对原始文献阅读、研讨以及撰写注记的要点要求： 9该文的主要贡献是什么？这一贡献重要吗？为什么？ 9该文导致成果获取的主要洞察力（insight）在哪里? 9提出对该文某个或某些思想点的一个扩展方向和其思路。（不需立即 得到达到这种扩展的具体途径） 9根据该文的特点或内容，建议至少一个在课堂上应予讨论的议题。 9该文的应用背景或场景是什么？该文中的核心假设适合相应的应用背 景或场景吗？
基于信号传递与层次聚类的社团发现算法
ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ计算机工程与应用２０１０，４６（９）５１ 基于信号传递与层次聚类的社团发现算法 黄浩英，马英红 ＨＵＡＮＧＨａｏ－ｙｉｎｇ，ＭＡＹｉｎｇ－ｈｏｎｇ 山东师范大学管理与经济学院，济南２５００１４ ＳｃｈｏｏｌｏｆＭａｎａｇｅｍｅｎｔ＆Ｅｃｏｎｏｍｙ，ＳｈａｎｄｏｎｇＮｏｒｍａｌＵｌｌｉｖｅ玛ｉｔｙ，Ｊｉｎａｎ２５００１４，Ｃｈｉｎａ Ｅ—ｍａｉｌ：ｈｕａｎｇｈａｏｙｉｎ９２０００＠１２６．ｃｏｍ ＨＵＡＮＧＨａｏ－ｙｉｎｇ。ＭＡＹｉｎｇ－ｈｏｎｇ．ＤｅｔｅｃｔｉｎｇｃｏｍｍｕｎｉｔｙａｌｇｏｒｔｔｌｕｎｂａｓｅｄＯｎａｇｕａｌｐｒｏｃｅｓｓａｎｄｈｉｅｒａｒｃｈｉｃａｌｃｌｕｓｔｅｒｉｎｇ．ＣｏｍｐｕｔｅｒＥｎｇｉｎｅｅｒｔｎｇａｎｄＡｐｐｌｉｃａｔｉｏｎｓ．２０１０。４６（９）：５１－５４． Ａｂｓｔｒａｃｔ：Ｃｏｍｍｕｎｉｔｙｉｓｏｎｅｏｆｉｍｐｏｒｔａｎｔｃｈａｒａｃｔｅｒｓｉｎｓｏｃｉａｌｎｅｔｗｏｒｋｓａｎｄｃｏｍｍｕｎｉｔｙｄｅｔｅｃｔｉｎｇｉｓａｌｓｏａｆａｓｈｉｏｎａｂｌｅｓｔａｔｅｍｅｎｔｒｅｃｅｎｔｌｙ．Ｉｎｔｈｉｓｐａｐｅｒ，ｂａｓｅｄｏｎｓｉｇｎａｌｉｎｇｐｒｏｃｅｓｓｏｎｃｏｍｐｌｅｘｎｅｔｗｏｒｋｓ，ｉｎｆｌｕｅｎｃｅｖｅｃｔｏｒｓｏｆｅａｃｈｎｏｄｅａｔｅｇｏｔ，ｔｏｐｏｌｏｇｉｃａｌＳｔｌｔｌｌＣ－－ｔｕｒｅｏｆｅａｃｈｎｏｄｅｉｓｔｒａｎｓｌａｔｅｄｉｎｔｏｇｅｏｍｅｔｒｉｃａｌｒｅｌａｔｉｏｎｓｈｉｐｓｏｆｖｅｃｔｏｒ８ｉｎａｌｇｅｂｒａｓｐａｃｅｓ．ａｎｄｂｙｔｈｅａｉｄｏｆｈｉｅｒａｒｃｈｉｃａｌｃｈ吼ｅ卜ｉｎｇｍｏｄｕｌａｒｉｔｙｈｉｅｔｌＩｏｄ，ｃｏｍｍｕｎｉｔｉｅｓａｒｅｄｅｔｅｃｔｅｄｅｆｆｅｃｔｉｖｅｌｙ．ＷｉｔｈｄａｔａｓｉｍｕｌａｔｉｏｎｓｏｎｔｈｅＺａｃｈａｒｙＫａｒａｔｅＣｌｕｂｎｅｔｗｏｒｋ，ＣｏＨｅｇｅＦｏｏｔｂａｌｌｎｅｔｗｏｒｋａｎｄＤｏｌｐｈｉｎｓｏｃｉａｌｎｅｔｗｏｒｋ，ｉｔｓｈｏｗｓｔｈａｔｔｈｅｐｒｏｐｏ窨ｅｄａｌｇｏｒｉｔｈｍｉｎｔｈｉｓｔｏｐｉｃｉｓｍｏｌｅａｃｃｕｒａｔｅｔｈａｎＮｅｗｍａｎ’８．Ｋｅｙｗｏｒｄｓ：ｃｏｍｍｕｎｉｔｙｓｔｒｕｃｔｕｒｅ；ｓｉｇｎａｌｐｒｏｃｅｓｓ；ｈｉｅｒａｒｃｈｉｃａｌｃｌｕｓｔｅｒｉｎｇ；ｍｏｄｕｌａｒｉｔｙ 摘要：社团是社会网络的一个重要特征，社团发现是近年来研究的热点问题之一。通过在复杂网络上传递信号，获得各节点对网络的影响向量，从而把网络中节点的拓扑性质转化为代数空间上向量的几何关系，然后用结合模块度的层次聚类挖掘社会网络中的社团结构。该算法优点是不需要预先知道社团的数量或社团内节点的数量，用Ｚａｃｈａｒｙ空手道俱乐部网络、大学足球赛网络以及海豚关系网络的数据进行验证，该算法划分的社团准确性超过了Ｎｅｗｍａｎ的结论。 关键词：社团结构；信号传递；层次聚类；模块度 Ｉ）ＯＩ：１０．３７７８／ｊ．ｉｓｓｎ．１００２－８３３１．２０１０．０９．０１６文章编号：ｌ００２＿８３３ｌ（２０ｌＯ）０９－００５ｌ—０４文献标识码：Ａ中图分类号：Ｎ９４；ＴＰ３９３ １引言 复杂网络是复杂系统的抽象，网络中的节点代表复杂系统中的个体，节点之间的边则代表系统中个体之问某一种关系。现实世界中复杂网络无处不在，如人际关系网、科学家合作网络、万维网、食物链网络等等。大量的研究表明，许多实际网络都呈现具有社团的性质，即整个网络是由若干个社团构成，在每个社团内部节点之间的连接相对紧密，而在各个社团之间却相对稀疏１１１。例如，在以人为主体的社交网络模型中，网络中的连线是根据兴趣或某种关系而形成的，—个人连接线越多，则表示他拥有的关系越多、影响也越大，并且可以控制的资源也越多，此时他与所连接的人就构成了—个社团。在科学引文网络中的社团代表针对同一主题的相关论文，而生物化学网络中的社团则代表具有相近功能的单元嘲，发现网络中的社团有助于更加有效地理解网络结构以及网络特性。 社团的研究中—个重要的课题是网络社团的划分，与此相关的理论包括图论以及模式识别等。社团的发现最早起源于社会学研究工作，较早的算法是在社会学研究中的分级聚类算法，它与计算机科学中的图形分割研究有着密切的关系嗍，其中分级聚类中最著名的是ＧＮ算ｉ去ｆｕ，Ｋｅｍｉｇｈａｒｔ—Ｌｉｎ算法哪谱平分嗣法是图形分割在处理社团划分中最具代表性的方法。此外，还有许多有效的算法如Ｒａｄｉｃｃｈｉ算法、极值优化算法、Ｎｅｗｍａｎ快速算法等Ｍ。在所有的社团的搜索算法中时间复杂度和查找的准确性是最为关键的两个问题。 基于上述问题，用在复杂网络传递信号的方法，得到网络中每个节点对网络的影响向量，通过每个节点的影响向量把网络的拓扑关系转换到ｎ维代数空问上，将ＧＮ算法中提出的模块度函数与层次聚类方法结合进行社团结构的探测，用Ｚａｃｈａｒｙ空手道俱乐部网络、大学足球赛网络以及海豚关系网络的数据进行验证，该算法划分的社团准确性超过了Ｎｅｗｍａｎ的结论研。该算法优点是不需要预先知道社团的数量或社团内节点的数量，算法较好地改善了运行时间，提高了社团搜索的准确率。 ２算法准备 ＨｕＹａｎｑｉｎｇ等人提出了在复杂网络中传递信号的方ｊ去Ｉ嘲，是将—个具有ｎ个节点的网络视为—个系统，系统中的每个节点被认为具有发送、接受和记录信号的功能。信号传递基本思 基金项目：国家自然科学基金（ｔｈｅＮａｔｉｏｎａｌＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＣｈｉｎａｕｎｄｅｒＧｒａｎｔＮｏ．６０６７３０４７）；山东省自然科学基金（ｔｈｅＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＳｈａｎｄｏｎｇＰｒｏｖｉｎｃｅｏｆＣｈｉｎａ）；山东省教育厅科技项目（ＮｏＪ０７ＹＪ０２）。 作者筒介：黄浩英（１９８３一）。女。研究生。主要研究方向：复杂网络与复杂系统；马英红（１９７１一），女，副教授，主要研究方向：复杂网络与复杂系统，图论，粗糙集应用等。 收稽日期：２００９一ｌｏ－１２修回日期：２０１０－０１－０８ 万方数据
人工神经网络综述
人工神经网络综述 摘要：人工神经网络是属于人工智能的一个组成部分，它的提出是基于现代神经科学的相关研究，并且在诸多领域得到了广泛的应用，为人工智能化的发展提供了强大的动力。首先论述了人工神经网络的发展历程，并介绍了几种常见的模型及应用现状，最后总结了当前存在的问题及发展方向。 关键词：神经网络、分类、应用 0引言 多年以来，科学家们不断从医学、生物学、生理学、哲学、信息学、计算机科学、认知学、组织协同学等各个角度探索人脑工作的秘密，希望能制作模拟人脑的人工神经元。特别是近二十年来。对大脑有关的感觉器官的仿生做了不少工作，人脑含有数亿个神经元，并以特殊的复杂形式组成在一起，它能够在计算某些问题（如难以用数学描述或非确定性问题等）时，比目前最快的计算机还要快许多倍。大脑的信号传导速度要比电子元件的信号传导要慢百万倍，然而，大脑的信息处理速度比电子元件的处理速度快许多倍，因此科学家推测大脑的信息处理方式和思维方式是非常复杂的，是一个复杂并行信息处理系统。在研究过程中，近年来逐渐形成了一个新兴的多学科交叉技术领域，称之为“人工神经网络”。神经网络的研究涉及众多学科领域，这些领域互相结合、相互渗透并相互推动。 1人工神经网络概述 1.1人工神经网络的发展 人工神经网络是20世纪80年代以来人工智能领域中兴起的研究热点，因其具有独特的结构和处理信息的方法，使其在许多实际应用中取得了显著成效。 1.1.1人工神经网络发展初期 1943年美国科学家家Pitts和MeCulloch从人脑信息处理观点出发，采用数理模型的方法研究了脑细胞的动作和结构及其生物神经元的一些基本生理特性，他们提出了第一个神经计算模型，即神经元的阈值元件模型，简称MP模型，这是人类最早对于人脑功能的模仿。他们主要贡献在于结点的并行计算能力很强，为计算神经行为的某此方面提供了可能性，从而开创了神经网络的研究。1958年Frank Rosenblatt提出了感知模型(Pereeptron)，用来进行分类，并首次把神经网络的研究付诸于工程实践。1960年Bernard Widrow等提出自适应线形元件ADACINE网络模型，用于信号处理中的自适应滤波、预测和模型识别。 1.1.2人工神经网络低谷时期
数据中心发展现状及趋势
我国数据中心发展现状及趋势 [ 赛文特斯导读 ] 我国数据中心经过20多年的发展，建设规模不断扩大。目前，三大运营商（电信、联通、移动）正在全力建设数据中心，数据中心的新一轮快速发展已经开始。同时，我国单个数据中心的规模也从最初的数百平方米发展到目前的数千甚至上万平方米。 一、我国数据中心发展现状 数据中心是指在互联网上提供的各项增值服务，具体包括申请域名、租用虚拟主机空间、主机托管等业务。数据中心是一整套复杂的设施，不仅仅包括计算机系统和其它与之配套的设备（例如通信和存储系统），还包含冗余的数据通信连接、环境控制设备、监控设备以及各种安全装置。 根据IDC圈的300个样本，我们发现数据中心主要分布在沿海地区以及一线城市。在这300个样本中，53个数据中心属于北京，占总数的18%。广东有50个数据中心，占总数的17%。上海有31个数据中心，占总数的10%。 资料来源：IDC圈
在选取的300个样本中，三大运营商占据了主流机房的69%，第三方IDC运营商占据主流机房的31%。 资料来源：IDC圈 在176个项目样本中，3000-10000万元投资额的项目在主流项目中占比最高，投资额小于3000万元的项目占比24%，投资额大于10000万元的项目占比31%。
在172个主流项目样本中，约68%的机架数在100-1000之间。机架数小于100的占19%，机架数大于1000的占了13%。 二、数据中心行业价值链 建设一个数据中心过程复杂，成本极高。首先需要建设数据中心的企业需要招标来寻找数据中心的设计方以及承建方，然后承建方再寻找设备供应商提供基础设备等。建成的数据中心一部分是企业自用，还有很大的一部分是IDC运营商为用户提供租赁等服务的。 目前主要的设备供应商有以下几类： ●基础设施（制冷、电力、综合布线、监控安防）：施耐德、康普、西蒙 ●机房设备（服务器、存储、路由器、交换机）：IBM、思科、EMC、联想、华为、浪潮等●网络建设（专线，裸纤，英特网，电话线，BGP接入）：英特尔、思科、锐捷
神经网络最新发展综述
神经网络最新发展综述 学校：上海海事大学 专业：物流工程 姓名：周巧珍 学号：201530210155
神经网络最新发展综述 摘要：作为联接主义智能实现的典范，神经网络采用广泛互联的结构与有效的学习机制来模拟人脑信息处理的过程，是人工智能发展中的重要方法，也是当前类脑智能研究中的有效工具。目前，模拟人脑复杂的层次化认知特点的深度学习成为类脑智能中的一个重要研究方向。通过增加网络层数所构造的“深层神经网络”使机器能够获得“抽象概念”能力，在诸多领域都取得了巨大的成功，又掀起了神经网络研究的一个新高潮。本文分8个方面综述了其当前研究进展以及存在的问题，展望了未来神经网络的发展方向。 关键词: 类脑智能；神经网络；深度学习；大数据 Abstract: As a typical realization of connectionism intelligence, neural network, which tries to mimic the information processing patterns in the human brain by adopting broadly interconnected structures and effective learning mechanisms, is an important branch of artificial intelligence and also a useful tool in the research on brain-like intelligence at present. Currently, as a way to imitate the complex hierarchical cognition characteristic of human brain, deep learning brings an important trend for brain-like intelligence. With the increasing number of layers, deep neural network entitles machines the capability to capture “abstract concepts” and it has achieved great success in various fields, leading a new and advanced trend in neural network research. This paper summarizes the latest progress in eight applications and existing problems considering neural network and points out its possible future directions. Key words : artificial intelligence; neural network; deep learning; big data 1 引言 实现人工智能是人类长期以来一直追求的梦想。虽然计算机技术在过去几十年里取得了长足的发展，但是实现真正意义上的机器智能至今仍然困难重重。伴随着神经解剖学的发展，观测大脑微观结构的技术手段日益丰富，人类对大脑组织的形态、结构与活动的认识越来越深入，人脑信息处理的奥秘也正在被逐步揭示。如何借助神经科学、脑科学与认知科学的研究成果，研究大脑信息表征、转换机理和学习规则，建立模拟大脑信息处理过程的智能计算模型，最终使机器掌握人类的认知规律，是“类脑智能”的研究目标。 类脑智能是涉及计算科学、认知科学、神经科学与脑科学的交叉前沿方向。类脑智能的
网络编码知识小结
注：本小结报告来自两份论文 上角标1代表论文 <网络编码的研究进展> 杨林郑刚等[1] 上角标2代表论文 <网络编码研究综述> 陶少国等[2] 网络编码研究综述 万里 1 基本概念 起源：R.Alshwede的蝴蝶网络模型[2] 定义：网络编码是一种融合编码和路由的信息交换技术，在传统存储转发的路由方法基础上，通过允许对接收的多个数据包进行编码信息融合，增加单次传输的信息量，提高网络整体性能[1]。 本质：利用节点的计算能力提高链路带宽的利用率[1]。 核心思想：具备编码条件的网络节点对接收到的信息进行编码，然后传输给下一级的网络节点，收到信息的下一级节点如果具备编码条件，又对其接受的信息按照同样的方式进行传输与处理，如此反复，直到所有经过处理后的信息汇聚到信宿节点为止。最后，在信宿节点，通过译码，即可译出信源发送的原始信息[2]。 主要优缺点： 优点： 1 提升网络吞吐量 2 均衡网络负载 从作者的例子[Fig.2]可以看出，虽然传输链路增加了，但是每条链路上传输的信息更均衡，解决了网络拥塞问题。 3 提高带宽利用率 同2，虽然传输链路增多了，但是每条链路上的信息减少了（均衡了），总体是减少了网络带宽，提高了网络带宽利用率。 缺点： 虽然网络编码优点突出, 但运用网络编码增加了计算的复杂性, 而且网路节点需要缓存足够的输入信息, 因此编码操作增加了传输时延和节点的额外的I/ O、CPU消耗。统计数据表明, 即使应用最有效的随机网络编码，其编码和译码的时间也不容忽视。此外, 应用网络编码还存在同步问题, 这主要是由于信宿节点必须等待收到足够的编码信息, 才能开始译码。同步问题给在实时系统中应用网络编码提出了挑战[2]。 2 原理与数学模型 2.1网络编码分类 网络编码按照节点输出和输入的关系可划分为线性网络编码和非线性网络编码 网络编码按照编码系数生成的随机性可划分为随机网络编码和确定性网络编码（通过算法算出系数）[1] 2.2线性网络编码 目前的网络编码研究均局限于有限域中的线性网络编码。 2.3几个基本概念 1 信息流：信源发送的信息，链路传输的信息以及信宿接收到的信息，均以向量形式取之于有限域。称其为信息流[2]。 2 本地编码向量:将节点上的信息流作为节点输入链路上传输信息的线性组合。[链路的消息流与输入链路的消息流的映射关系]