为了对大坝进行切实有效的监控,需要建立一个良好的大坝预测模型。针对传统BP(Back-Propagation)神经网络存在的收敛速度慢和泛化能力弱等缺陷,利用LM-BP(Levenberg Marquardt Back Propagation)算法对大坝变形进行预测,并根据丹江口大...为了对大坝进行切实有效的监控,需要建立一个良好的大坝预测模型。针对传统BP(Back-Propagation)神经网络存在的收敛速度慢和泛化能力弱等缺陷,利用LM-BP(Levenberg Marquardt Back Propagation)算法对大坝变形进行预测,并根据丹江口大坝1996和1997两年的变形观测数据,对大坝挠度预测结果进行分析。结果表明,所建立的LM-BP神经网络的预测精度和收敛速度明显提高。展开更多
通过对Liu-Au-Susilo(2007)、Goranlta-Saxena(2005)、Cao-Paterson-Kou(2006)、Yap-Heng-Goi(2006)和Je Hong Park(2006)提出的无证书数字签名方案进行分析,指出了这几个方案中所存在的公钥替换攻击,并给出了攻击方法。列举出这些方案...通过对Liu-Au-Susilo(2007)、Goranlta-Saxena(2005)、Cao-Paterson-Kou(2006)、Yap-Heng-Goi(2006)和Je Hong Park(2006)提出的无证书数字签名方案进行分析,指出了这几个方案中所存在的公钥替换攻击,并给出了攻击方法。列举出这些方案安全性分析中所存在的缺陷,为避免这些缺陷,利用了Castro-Dahab(2007)的无证书数字签名方案的一般模式和分叉引理对原方案进行改进,改进后的方案是可证安全的。展开更多
文摘为了对大坝进行切实有效的监控,需要建立一个良好的大坝预测模型。针对传统BP(Back-Propagation)神经网络存在的收敛速度慢和泛化能力弱等缺陷,利用LM-BP(Levenberg Marquardt Back Propagation)算法对大坝变形进行预测,并根据丹江口大坝1996和1997两年的变形观测数据,对大坝挠度预测结果进行分析。结果表明,所建立的LM-BP神经网络的预测精度和收敛速度明显提高。
文摘通过对Liu-Au-Susilo(2007)、Goranlta-Saxena(2005)、Cao-Paterson-Kou(2006)、Yap-Heng-Goi(2006)和Je Hong Park(2006)提出的无证书数字签名方案进行分析,指出了这几个方案中所存在的公钥替换攻击,并给出了攻击方法。列举出这些方案安全性分析中所存在的缺陷,为避免这些缺陷,利用了Castro-Dahab(2007)的无证书数字签名方案的一般模式和分叉引理对原方案进行改进,改进后的方案是可证安全的。
