神经网

摘要： 针对传统电能消耗预测方法无法学习长序列数据的特征导致预测精度低的问题,本文采用一种基于transformer的长序列预测(LSTF)模型进行电能能耗预测,使用基于Keras和Pytorch的框架进行神经网络的搭建,同时应用自适应矩估计算法(Adam)更新和优化模型的权重参数;然后,将informer神经网络方法与其他三种网络方法(RNN,LSTM,LSTM+attention)进行比较。实验使用2005年至2018年美国Duquesne Light公司的电能能耗数据,结果的评价指标选用均方误差、均方根误差和R方值。实验结果表明:本文使用的informer模型的各方面指标均优于其他三个模型,显示了该模型在电能能耗预测上的有效性。

摘要： 目的 应用静息态功能磁共振成像(rs-fMRI)的度中心度(DC)技术探讨2型糖尿病认知功能障碍(T2DMCI+)患者静息态脑网络的变化特点.资料与方法 对满足入组条件的25例T2DMCI+患者及32例年龄、性别、受教育水平相匹配的T2DM不伴认知功能障碍(T2DMCI-)患者行常规MRI及rs-fMRI检查,比较两组患者全脑DC值、一般资料及认知评分,然后在T2DMCI+组中提取两组间存在显著差异脑区的DC值,分析与认知评分的相关性,并进行错误发现率(FDR)校正.结果 与T2DMCI-组比较,T2DMCI+组多项认知评分较低,左侧顶下回DC值明显减低(峰值-3.47),右侧舌回DC值明显升高(峰值4.21);左侧顶下回DC值与画钟测验评分呈正相关(r=0.389,P=0.020),右侧舌回DC值与MoCA评分(r=-0.453,P=0.023)及听觉词语学习测验-20 min评分(r=-0.430,P=0.032)呈负相关,相关性分析经FDR校正后无显著相关性(P>0.05).结论 T2DMCI+患者左侧顶下回静息态脑网络DC值减低,右侧舌回DC值升高.

摘要： 2型糖尿病(type2 diabetes,T2DM)是一种可引起多系统并发症的慢性代谢性疾病.除了熟知的肾、眼、足、心血管并发症之外,T2DM还可导致中枢神经系统的功能障碍,其临床表现以多领域的认知功能下降为主.其发病隐匿,早期诊断与及时干预是治疗的关键.扩散张量成像(Diffusion tensor imaging,DTI)可非侵入性的检测活体组织微观结构的改变.近些年该技术在T2DM神经影像学方面的运用已取得了丰厚的成果,发现了T2DM患者诸多脑区微观结构的改变,同时局部脑区微观结构的改变同认知能力、相关临床指标存在显著相关性.此外,DTI结合图论的分析方法可对脑白质连通性的改变提供定量的特征描述,为进一步理解T2DM患者认知能力减低的病理机制提供了新的视角.本文从以上两方面对T2DM患者的扩散张量成像研究进展进行综述.

摘要： TI公司的TIDEP-01004是嵌入应用深度学习推理的参考设计,基于Sitara AM57x系列系统级芯片(So C).参考设计表明了如何在C66x DSP核(AM57x So C)和嵌入视频引擎(VEV)子系统上运行深度学习推理.深度学习是一种机器学习,训练计算机实现人类任务如区分图像,识别语音或进行时间序列预测.深度学习是人工智能(AI)的基础.它的模型是基于深层人工神经网络,也称作深度神经网(DNN).

摘要： 癫痫是大脑皮质过度兴奋导致的慢性疾病.重复经颅磁刺激(rTMS)是一种非侵入性的调控大脑皮质兴奋性的神经电生理技术.目前研究表明,rTMS作用于致痫灶区能够减少癫痫发作、缓解癫痫持续状态,而且安全性较高,是较有前途的神经调控治疗癫痫的方法之一.未来多中心、大样本、随机对照研究可为其提供循证医学证据.同时,rTMS治疗癫痫时面临许多难题和挑战,特别是如何精确定位刺激靶点以及如何提高疗效的持久性.基于目前的难点,发展高分辨率的定位技术、优化刺激设备和刺激模式、探索脑网络连接和经颅磁刺激(TMS)作用机制将成为rTMS治疗癫痫未来的研究方向.

摘要： 随着神经网络技术的飞速发展,在目标检测、语义检测、情感识别、图像分割、图像分类等领域取得了不少突破性的进 展。卷积神经网络是深度学习领域中的一项非常重要的网络结构,它是一个前馈神经网络。本文针对手写数字字符数据集,利用深度神 经网络构建了LeNet网络进行训练、识别,以此来研究比较最终网络结构的识别准确率。

摘要： 目的 阿尔茨海默病(AD)和轻度认知障碍(MCI)患者存在视觉功能异常,并可能与其他因素共同导致患者认知功能下降.本研究探讨MCI患者背侧流视觉网络功能连接的变化.资料与方法 本研究中所有受试者数据均来自阿尔茨海默病神经影像计划(ADNI)公共数据库,包括87例MCI患者以及44例健康老年志愿者.首先采用激活似然估计法(ALE)定位背侧流视觉皮层坐标位置,而后根据获得的坐标定义皮层感兴趣区(ROI).利用上述受试者的静息态功能磁共振成像计算并比较MCI患者每对ROI之间静息态功能连接(RSFC)的变化情况.结果 与对照组相比,晚期MCI组患者背侧流视觉皮层存在RSFC异常升高的情况,包括右侧梭状回-右侧中央后回和右侧梭状回-左侧中央后回,差异均有统计学意义(P<0.001).结论 MCI患者背侧流视觉皮层网络内部功能连接存在异常,从而为解释认知障碍状态下高级视觉功能方面的损害提供神经生理学依据.

摘要： 目的 观察癫痫患者海马与全脑功能连接(FC)的变化,比较不同类型癫痫的脑网络改变差异,探讨其可能的神经病理机制.资料与方法 收集2014年8月-2016年12月于天津市第一中心医院就诊的17例颞叶内侧癫痫(mTLE)、12例伴中央颞区棘波良性儿童癫痫(BECT)以及社区招募的19名健康志愿者(对照组),均行结构和功能MRI扫描.以海马头部为感兴趣区,采用REST 1.8软件对3组研究对象分别进行组内和组间海马与全脑功能连接分析.结果 对照组的海马头部功能连接脑区存在正、负2种相关性表现,正相关连接脑区主要位于杏仁核、海马旁回、颞叶外侧皮层、岛叶、丘脑、基底节区等;负相关连接脑区主要位于双侧额叶、顶叶、枕叶等皮层.海马功能连接强度(FCS)比较显示,mTLE组较对照组及BECT组均表现为多个脑区FC减低,主要位于海马和海马旁回、颞叶、楔前叶等脑区(P＜0.05);而BECT组则表现为FC强度增加,运动区较为明显(P＜0.05).结论 不同类型的癫痫脑网络改变模式可完全不同,可能与其所表现的不同临床症状、病程及预后的病理机制相关.

摘要： 针对系统的非线性多变量耦合特性,提出一种隶属函数型神经网与模糊控制融合的解耦方法.通过神经网络的自学习能力调节隶属函数的形状及结论值,利用模糊规则控制的优势使该方法具有较好的自学习、自适应能力.仿真及用于炉群智能解耦实测数据表明,这种方法对于非线性多变量的解耦效果良好.

摘要： 本发明公开了一种购物平台管控方法，包括：提供终端管控模块，对用户终端进行实时管控；终端管控模块包括服务器以及与服务器通讯连接的区域销量分析单元和区域评价分析单元；服务器生成区域销量分析信号和区域评价分析信号，区域销量分析单元对购物平台对应的各个区域进行产品销量分析，区域评价分析单元对各个分析区域需求产品的评价进行分析；提供子端管控模块，对商家子端进行管控；子端管控模块包括处理器以及与处理器通讯连接的产品类型设定单元；处理器生成产品类型设定信号并将产品类型设定信号发送至产品类型设定单元，产品类型设定单元对商家子端的出售产品类型进行设定。

摘要： 本实用新型公开了一种神经外科术后用可调节大小的网帽，包括连接带，四个所述连接带的外表面上部固定连接有按扣，四个所述连接带的外表面中部均开有凹槽，四个所述凹槽之间固定连接有若干个弹性带，四个所述连接带的下端共同固定连接有舒适装置，四个所述连接带的上端共同固定连接有调节装置，所述调节装置的上端固定连接有帽面装置。本实用新型所述的一种神经外科术后用可调节大小的网帽，通过在整个装置上设置调节装置与帽面装置，便于医护人员换药观察，实现对固稳固带大小的调节，防止网帽发生移位，导致纱布块会发生移动，造成伤口感染，有利于患者的术后恢复，有利于人们的使用，较为实用。

摘要： 本发明公开了一种模拟神经网芯片的设计方法及模拟神经网芯片，方法包括：设置模拟神经网架构并建立与所述模拟神经网架构相同的数字神经网模型；根据所述模拟神经网架构设计并制作模拟神经网电路；对所述数字神经网模型进行训练，并根据模拟神经网的目标精度对所述数字神经网模型进行参数裁剪；将裁剪后的神经网参数输入至所述模拟神经网电路并运行，获得具有目标精度的模拟神经网芯片。本发明实施例通过设计模拟神经网架构并建立与其相同的数字神经网模型，对数字神经网进行训练后得到符合精度要求的神经网参数，将该神经网参数导入至模拟神经网芯片内并运行，得到具有目标精度的模拟神经网芯片，实现了高精度、高速、低功耗的神经网芯片。

摘要： 本发明公开了一种基于配网要素和神经网络的配网风险评估方法，包括以下步骤：S1、对配网要素进行聚类，获取配网关键要素，所述配网要素包括评估区域内的内部数据和外部数据；S2、通过配网关键要素对集合神经网络进行训练，获得风险评估模型，所述集合神经网络采用优化算法进行训练；S3、通过风险评估模型动态评估配网风险，将预测样本集输入风险评估模型，风险评估模型输出预测结果对配网风险进行评估。本发明根据不同配网要素进行聚类，可大大降低风险预测的机器模型难度，集合多个机器学习对配网风险进行动态评估，对大量数据信息进行有效的分析，能更全面合理地评估风险，避免或减少由于配电网故障引起的停电损失，提高供电可靠性和电能质量。

摘要： 本发明公开了一种基于卷积神经网的配网录波文件波形识别方法，用以解决无法从海量配网录波文件中精确识别出故障类波形的技术问题；其步骤为：首先，获取配网中的故障录波波形文件，并对故障录波波形文件进行预处理，得到数据集，其中，数据集包括训练集和测试集；其次，构建一维卷积神经网络；然后，对训练集中的录波故障波形进行分类标注后输入一维卷积神经网络中进行训练，得到训练好的卷积神经网络模型；最后，将待检测的录波波形输入卷积神经网络模型中，输出录波的分类结果。本发明将传统机器学习应用到配网录波文件识别中，采用一维卷积神经网络算法，自动从海量配网录波文件中，识别出故障类波形文件，以便对故障点进行评价与定位。

摘要： 本发明提供了一种基于卷积神经网络的微网攻击识别方法，包括采集数据流；对采集的数据流进行预处理；将经过预处理的数据流输入至卷积神经网络模型中进行实时检测分类；输出分类结果；所述分类包括正常类、异常类，所述分类结果为数据流中各数据的归类情况；根据分类结果对数据流进行拦截或转发；当分类结果中存在异常类时，则根据异常类中数据的归类发出相应的报警提示以及生成日志记录；当分类结果均为正常类时，则对数据流进行转发。本发明还提供了一种微网协调控制器。与现有技术相比，保证微网的安全可靠运行。

摘要： 本发明提供了器官的神经网三维立体模型的建模方法及其在分析前列腺等器官神经网上的应用，该方法包括利用建立神经网三维数据和神经网三维立体模型。所述方法获得的器官的神经网三维立体模型对外科手术和医学教育有着重要意义。利用本发明方法构建完成的前列腺神经网可以清楚地展示出前列腺周围神经网的分布情况，已足够指导外科手术时尽可能避开神经网的要求，降低术中前列腺神经的损伤。用本发明方法构建的各种器官神经网模型还可协助相关教学和练习、可通过模型向患者展示疾病和手术具体操作实施过程的情况。具有较高的临床应用价值。

摘要： 本发明公开了一种基于时空多图神经网络的网约车需求预测方法，包括：获取网约车需求数据，根据城市路段空间关系、路段的功能、公共交通相关性，构建邻接关系图、路段功能相关性图、路段公共交通相关性图，将构建的图数据输入到端到端的时空图卷积神经网络中，首先利用图卷积网络捕获多图相关性，然后进行多图融合，其次将每一时刻融合的图输入到门控循环神经网络中捕获图数据之间的时间相关性，构建时空图卷积神经网络，将订单时间和匹配到的路段输入至时空图卷积神经网络，得到路段上网约车需求量预测值。该方法从网约车需求时空分布角度出发，构建多图并利用端到端的时空图卷积神经网络对所有路段在未来多个时间切片的网约车需求进行预测。

摘要： 本发明提出了基于深度聚合神经网络的网约车需求时空热度预测方法，实现了需求热度的准确预测，通过互联网下载网约车订单数据，获取天气数据，通过在线地图API接口，获取城市区域POI数据；对以上数据进行预处理为外部环境变量、时空变量、空间变量数据，分为训练集和测试集两个部分；将训练集数据深度聚合神经网络模型包括依次序连接的一个输入层、一个隐藏层、融合层F1、融合层F2；再将误差最小化；直到精度到达设定阈值训练完成，将测试集数据输入训练完的模型中，预测网约车需求；采用采用均方误差和平均绝对误差计算准确率用于模型评价。

摘要： 本发明涉及一种基于人工鱼群和BP神经网络的无线电力专网入侵检测方法，分析了系统模型和检测算法的研究现状以及存在的问题，结合鱼群算法在入侵检测技术的应用，同时采用ReliefF降低特征维数，建立电力专网入侵行为分析检测分类器。将群智能优化算法和BP神经网络有效结合到一起，解决传统网络入侵检测模型分类效果不佳、容易出现局部极值的问题，采用量子人工鱼群算法来实现模糊核聚类算法的最优求解，入侵检测速度和检测率均得到提高，更适用于现实电力网络应用环境。本发明的方案旨在研究设备安全状态数据的采集方法，提出对应的数据获取技术，之后研究通信设备安全指标的构建和评价方法，通过业务的路径关联，构建面向电力无线专网的安全监测体系。