高性能互连网络中端口阻塞故障预测方法

随着系统规模、芯片功耗和链路速率的提升,高性能互连网络的整体故障率也不断上升,传统运维方式将难以为继,给高性能计算系统整体可靠性和可用性带来了巨大挑战。针对网络端口阻塞这类严重网络故障,提出无监督算法的预测模型。该模型从历史信息中挖掘征兆性规律并形成新的特征向量,应用K-means聚类算法对特征向量进行学习归类。在预测时,结合端口当前状态,利用二次指数平滑算法对未来状态进行预测,将得到的新特征向量使用K-means算法预判是否会发生阻塞故障。利用拓扑结构信息,分别对叶交换机和根交换机构建预测子模型,进而提升预测的精确率。结果表明,该预测模型能保持在召回率为88.2%的前提下,达到65.2%的准确率,可为运维人员提供有效的辅助。     

近似推理在水雷参数分析专家系统中的应用

为了尽快分析出未知水雷障碍参数,根据水雷战的特点,提出了建立未知水雷障碍参数分析专家系统的观点,对专家系统的设计方法进行了一定的探讨,并针对专家系统建立中的"瓶颈"问题,提出了基于Vague集插值近似推理的专家系统知识自动获取方法,在介绍推理过程的基础上给出了算例.从推理的结果来看,该方法具有较高的可信度,从而为专家系统的研制提供了一定的方法支持.     

人工智能技术在美国军事情报工作中的当前应用及发展趋势探析

近年来,随着科学技术的发展,在战争需求的强大推动下,战争形态正在发生深刻演变,同时也强烈牵引着军事情报工作相关技术的创新发展。人工智能技术作为被人们普遍认为是最有可能改变未来世界的颠覆性技术,在美国军事情报工作中已经有了一定的应用。研究其在军事情报工作中的当前运用及发展趋势,可为我国军事情报领域人工智能技术快速发展提供借鉴与参考。     

基于统一理论框架的故障诊断模型及学习进化方法

本文以概率图理论为基础，系统研究了基于这一理论框架的故障诊断模型，对模型的构建方法以及在不同场景下的模型演化方案进行了探讨，使得在统一理论框架下可实现多模式系统故障诊断、耦合故障诊断、动态故障诊断、故障预测等复杂情形的诊断。为了弥补单独利用基于模型的方法和基于数据的方法的缺陷，研究了诊断模型的学习进化策略，实现了诊断效果的改进和优化。另外，对模型后续的能力扩展和可能的研究方向进行了展望，为后续理论研究提供了参考。     

人工智能技术在航天装备领域应用探讨北大核心

人工智能技术被各主要强国视为“改变游戏规则”的尖端技术之一,有望提升航天装备可靠性、快速性和自主性,从而产生颠覆性影响。简要分析了人工智能的技术发展态势及其在航天装备中的应用态势。建立了人工智能在航天装备领域应用体系,并在此基础上,按照进入太空、利用太空和控制太空的维度,从运载火箭、卫星通信、卫星遥感、卫星导航、载人飞船、太空态势感知等方面,深入分析了人工智能在航天装备领域的应用场景。最后,归纳了人工智能在航天装备领域应用的趋势。为我国发展人工智能技术在航天装备领域的应用提供参考。     

模糊神经网络集成在液压故障诊断中的应用

阐述了神经网络集成的基本概念及其在液压故障诊断中应用时的个体网络生成方法和结论结合方法.根据液压系统的工作特点,采用Gauss随机函数作为个体网络的训练样本的随机采集函数,使个体神经网络的输出集中于各工作阶段的主要故障,并保持了个体网络之间的差异性,增强了网络集成的泛化能力.     

无人机避障航路规划方法研究综述

随着无人机作业空域从中高空不断向低空甚至超低空拓展,复杂的低空障碍环境对无人机造成了严重的威胁。研究无人机避障航路规划理论与方法,对于保障无人机的飞行安全和提升其任务效率具有重要作用。对无人机避障航路规划方法的研究现状进行了梳理,首先,根据航路规划问题所建立的优化模型,将规划方法划分为基于数学规划的方法、基于路标图的方法、基于空间分解的方法、基于势场的方法、基于随机规划的方法和基于机器学习的方法六个大类。然后,分别介绍了各类型方法的基本原理、代表性研究以及优缺点。最后,对避障航路规划方法未来可能的研究方向进行了展望。综述表明,复杂环境下无人机三维航路规划方法的研究仍有提升空间;未来应考虑将传统规划方法与新一代人工智能技术相结合;航路规划方法研究应充分考虑机载传感器的实际性能和工作特性;规划航路的可跟踪性问题也亟待解决。     

基于深度森林的网络流量分类方法

随着网络应用的迅猛发展,流量分类在网络资源分配、流量调度和网络安全等诸多研究领域受到广泛关注。现有的机器学习流量分类方法对流量数据特征的选取和分布要求苛刻,导致在实际应用中的复杂流量场景下分类精确度和稳定度难以提高。为了解决样本特征属性的复杂性给分类性能带来的不利影响,引入了基于深度森林的流量分类方法。该算法通过级联森林和多粒度扫描机制,能够在样本数量规模和特征属性选取规模有限的情况下,有效地提高流量整体分类性能。通过网络流量公开数据集Moore对支持向量机、随机森林和深度森林机器学习算法进行训练和测试,结果表明基于深度森林的网络流量分类器的分类准确率能够达到96. 36%,性能优于其他机器学习模型。