网络舆论暴力的伦理考量

互联网是一把“双刃剑”,它给我们的生活带来便利的同时也引发了不少社会问题。文章分析了近年来频繁出现在网络中的舆论暴力事件的含义及特征,全面探究了其产生的伦理根源,并针对其产生的原因提出了相应的伦理对策。     

复杂公交网络的系统可靠性分析

系统可靠性是指在规定的使用期间和预定的工作条件下,系统能完成预定功能的能力.对于大城市公交系统而言,其复杂性很大,因而系统可靠性的计算比较烦琐.文中分析了公交网络的复杂性以及影响因素,对复杂公交网络的简化方法进行了研究,并在此基础上对其可靠性进行分析,计算出整个公交网的可靠度.     

网络社会中网络的政治功能以及网络对政治文化传播的影响

21世纪是个网络的世纪,网络影响着当今社会生活的方方面面,对当今社会产生了深远地影响.网络社会中网络有其特有的政治功能:网络在传递政治信息中起着中枢作用;网络是一种第五种权力;网络可以为创造"阳光政治"提供一个平台.同时政治文化的传播也受到网络的影响:网络对主流意识形态和政治文化的传播与弘扬造成了强大的冲击;网络对政治文化传播发展趋势的影响表现在网络促进政治文化传播的民主化、社会化、高效化与国际化.     

复杂网络中节点重要度评估

为提高复杂网络中重要节点评估的效率和有效性,提出了一种基于节点接近度和节点在其邻域中的关键度评估复杂网络中节点重要度的方法．该方法综合了节点的全局和局部重要性,即在复杂网络中,节点的接近度越大,该节点越居于网络的中心,在网络中就越重要;节点在其邻域中的关键度越大,该节点对其邻域越重要．根据该方法设计了复杂网络中节点重要度评估算法,该算法的复杂度为0（n^3）．实例分析证明了该方法的有效性．     

浅析宽带网络接入技术现状及应用

分析了宽带网络接入技术的现状及其存在的问题,并阐述其应用前景。     

艾里逊扩大环球网络强化客户支持能力

全球领先的商用车全自动变速箱和混合动力驱动系统供应商艾里逊变速箱公司,2009年在其值得信赖的合作伙伴而组成的全球支持网络中增加了11个新的代理商和直销商,同时这些代理商和直销商也通过扩大其服务能力,提供更好的客户支持。     

网络隐私权及其法律保护

计算机网络对隐私权的侵犯日益加重,对网络隐私权的提出及其法律保护的探讨有其迫切的需要.本文指出网络不但具有开放性、交互性,而且具有＂记录性＂;并给出了网络隐私权的主要内涵定义和网络环境中隐私权的独有客体,分析了国外在网络隐私权保护方面有代表性的国家的保护情况和我国保护网络隐私权的状况,提出了我国对网络隐私权进行保护的设想.     

互通式立交网络流的协同控制

利用图论方法将互通式立交展开为一种多源多汇的赋权有向网络,并对其性质进行描述与定义;通过对立交网络动态流谱及最大流计算得到其容量限制并确定受控弧分布;以受控弧队列长度和冗余等待时间设计了阻抗均衡因子,建立了动态阻抗均衡条件下的网络流协同控制方程,并制定了控制策略;以实际对象进行虚拟控制仿真,结果表明了所提策略和方法的有效性.     

城市道路网络动态OD估计模型

针对以动态交通管理与控制为目标的动态交通需求计算问题,分析了OD量与交叉口转向交通量的动态关系,将其作为新的系统测量量引入,以此建立了同时考虑路段断面交通量和交叉口转向交通量的状态空间模型,得到了基于城市道路网络的动态OD估计模型,给出了考虑不等式约束的卡尔曼滤波递推方程及相应算法过程。利用微观仿真软件Paramics所建立的实验平台对该模型进行了仿真验证。结果表明：应用该模型进行交通量计算,与传统的仅考虑路段断面交通量模型相比,绝对误差平均减少9％,相对误差平均减少20％,而且其能更好地反映交通量真实值随时间变化的情况,计算结果明显优于传统模型。     

基于小波网络的斜拉桥施工预测方法

阐述小波神经网络模型法的基本原理与程序实施步骤,探讨了斜拉桥施工监测数据与小波网络间的联系,建立了基于小波网络的斜拉桥施工控制预测模型.以工程实例为背景,对武汉天兴洲长江大桥实际监控数据进行预测分析.研究表明:小波网络预测值与实测值基本一致,其精度满足工程及其控制的要求.     

新一代网络技术--主动网络

主动网络(Active Network)是一种新颖的网络体系结构，这种新的网络体系加速了底层网络的革命，为网络新型应用的产生创造了条件。本文介绍了主动网络的体系结构、关键技术、主动网络上的应用、有待研究的一些问题及主动网络研究发展的前景。     

基于主动网络的网络管理

在分析现有网络管理模型面临的困难基础上引入了主动网络技术,并设计了一种新型的基于主动网络技术的分布式网络管理模型：研究了利用主动网络技术解决网络管理问题的结构、优势以及协议。并以路由跟踪为例详细说明了管理功能的实现。     

一种基于二层贝叶斯网的网络入侵检测方法

提出了一种基于二层贝叶斯网的网络入侵检测方法,该方法能够从审计数据中自动学习知识生成入侵模型,并根据该模型检测入侵行为,从而提高入侵检测系统得自适应性和可移植性,降低系统的误报率和误检率．并通过设计实验来验证基于贝叶斯网的入侵检测系统的性能,实验数据采用KDD cup 1999年的部分数据．实验结果表明：该方法在只使用10％训练数据和部分记录属性来学习的情况下,检测效果仍比较好．     

城市道路网拓扑结构的复杂网络特性研究

以城市道路网中的连续道路中心线作为网络拓扑结构的基本分析单元,作者采用对偶法对我国12个不同规模和形态的城市道路网的拓扑结构进行了抽象,在此基础上分析了我国城市道路网拓扑结构具有的普遍复杂网络特性。研究指出,我国城市道路网的拓扑结构一方面具有较小的特征路径长度和较大的聚类系数,是典型的小世界网络;另一方面其度分布函数为幂律形式,又具有典型的无标度特性。     

Relations Between Wavelet Network and Feedforward Neural Network

A comparison of construction forms and base functions is made between feedforward neural network and wavelet network. The relations between them are studied from the constructions of wavelet functions or dilation functions in wavelet network by different activation functions in feedforward neural network. It is concluded that some wavelet function is equal to the linear combination of several neurons in feedforward neural network.     

基于EKF的神经网络在网络流量预测中的应用

在网络资源有限的情况下,建立合理的网络流量预测模型,并根据其预测结果及时做出控制决策或调整措施,对网络性能和服务质量的提高均有重要意义.根据网络流量的时变、非线性特点建立一个时间相关的流量预测模型,预测和分析网络流量状况,并利用人工神经网络在非线性建模方面的优势,给出了基于EKF算法的前馈神经网络的结构设计及学习算法.最后在Matlab环境下使用该预测模型对网络流量进行了仿真,结果表明该模型具有较好的自适应性和较高的预测精度.     

有关选址和运输网络设计的研究

网络定位(选址)模型已广泛应用于公共及私有设施的定位。文章调查了一个模型，并且对运输网络的设施选址和设计进行了优化。认为改变网络的拓扑构造要比增加设施而提高服务水准更具投资回报效率，因此，该模型在区域规划、分拨、能源管理等领域有许多应用，并概括出了经典的简化工厂选址问题。文章将讨论如何使用这一模型有效地解决问题。     

���·��ģ�ͼ�·���ȶ��Է���

城市道路网运行中受多种因素干扰,系统运行经常处于非稳定状态,出行者不仅要求尽量减少出行时间,而且越来越重视保障出行时间的稳定性、强调交通系统的可靠性.考察智能交通系统中人们出行选择的偏好,80%以上的通勤者认为行程时间可靠性是他们出行时第一或者第二位的要求,因此,本文以行程时间可靠性和行程时间作为出行者路径选择的两个主要因素,建立混合随机路网模型.借鉴随机平衡分配模型的求解方法,设计混合随机路网模型的求解算法.同时,通过熵来考察行程时间可靠性和行程时间在出行者路径选择中所占比例不同对道路网交通状态的影响.此模型可描述智能交通系统下,有无信息出行者的比例对路网交通状态的影响.通过案例研究发现,只有拥有信息的出行者比例达到一定程度时,路网才最稳定.     

基于网络效率的日变路网脆弱性识别方法

在日变动态路网背景下,采用传统的静态脆弱性识别方法有可能无法完全辨识路网系统单元的脆弱性,这不利于事件管理规划和应急物资调配工作的开展.为此,以日变路网为研究对象,在单路段关闭情形下,定义了基于网络效率的路网动态脆弱性指标,表示为退化路网动态网络效率与完好路网静态网络效率的相对变化率.提出了基于单路段关闭的日变动态配流模型刻画日变路网流量的非均衡动态演化,并给出了相应算法.采用提出的指标和模型在实例网络中验证了日变路网脆弱性识别方法的可行性.对比分析了基于动态网络效率和基于静态网络效率的脆弱性识别结果,发现前者的识别率高于后者.     

基于多周期组件时空神经网络的路网通行速度预测

针对当前路网通行速度预测方法存在的中长周期预测准确性和稳定性不足、自适应路网拓扑空间关系建模能力有待进一步提升等问题,以多尺度卷积算子及门控循环单元为核心单元,提出一种面向路网通行速度预测任务的多周期组件时空神经网络模型。首先,根据路网交通感知数据的周期特性,将其规约为周、日和近期这3种不同粒度的时间-空间-特征三维矩阵,并输入至3个共享网络结构的周期组件。其次,在每部分组件中,利用多尺度卷积核捕获多因素非线性相关性与不同空间视野大小的路网节点空间相关性。然后,对每个路网节点的时序特征使用门控循环单元提取交通数据长时依赖关系,引入残差学习框架,提高网络训练效率并防止梯度弥散。最后,自适应加权融合通过预测卷积层的每部分周期组件预测结果生成预测时段内路网交通通行速度。为验证所提方法的有效性,基于两个公开的交通状态数据集进行实验分析,并选取当前主流的深度神经网络模型作为对比基线模型。结果表明,所提方法在可接受的执行时间内,在两个数据集上平均绝对误差、平均平方误差和平均绝对百分比误差分别为 2.55、3.94 和 10.75%,1.57、3.52和3.44%,在预测准确性与中长时多步预测稳定性方面均优于其他基准方法。