人工神经网络

摘要： 近年来,人工智能技术发展迅速,已逐渐应用于临床影像资料处理、辅助诊断及预后评估等领域,研究表明,其能简化医生临床任务,快速提供分析处理结果,具有较高的准确性.在口腔正畸诊疗方面,人工智能可辅助用于二维及三维头影测量快速定点,此外,也广泛应用于三维牙模信息的高效处理与分析,并在决策正畸治疗是否需要拔牙、辅助判断生长发育阶段及正畸预后和美学评估中具有优势.尽管目前人工智能技术的应用受限于训练数据资料的数量与质量,但将其与正畸临床诊疗相结合,可提供更快更有效的分析诊断,为更准确的诊疗决策提供支持.本文就目前人工智能技术在口腔正畸诊疗中的应用进行综述,以期正畸医生在临床中理性看待和合理使用人工智能技术,让人工智能更好服务于正畸临床诊疗,以促进口腔正畸智慧化诊疗流程进一步发展.

摘要： 采用人工神经网络预测模型可准确预测各类建筑材料的性能."建筑材料"课程教学中应用虚拟实验教学法有助于学生理解实验操作的规范性、实验因素对材料性能的影响,提高教学质量.

摘要： 海洋波浪会对船舶营运和安全产生不利影响,实时准确的随船海浪监测对绿色智能船舶及航行安全至关重要.利用船舶运动反演遭遇海浪信息是一种重要的随船海浪监测手段,具有成本低、时空分辨率高等诸多优点,受到广泛关注.针对现有船舶运动反演海浪模型存在的不足,提出了一种基于人工神经网络(Artificial Neural Network, ANN)的反演模型.以船舶摇荡运动时历作为输入,以波浪时历作为输出,利用人工神经网络进行船舶运动特征提取,输入线性函数进行波面时历反演.为验证反演模型的可行性和精度,开展了船模水池试验.结果表明,提出的基于人工神经网络的测波方法能够很好地实现规则波和不规则波浪时历反演,规则波反演统计误差大多小于10%,不规则波反演误差在10%左右.提出的方法为船舶运动反演海浪时域信息提供了一种有效可行的手段.

摘要： 为解决采用在转子升降速过程中产生的非平稳信号难以进行故障诊断的问题,提出一种基于2维时频脊线和阶次分析的转子故障诊断方法。采集转子升降速信号,采用2维时频分布的峰值脊线提取法获得信号脊线特征,结合脊线特征与等角度重采样技术依次获得信号角度域、角-阶域和阶次域图像,将信号阶次域内的特征参数作为故障敏感特征,输入人工神经网络诊断模型,对转子信号的故障类型进行分类。利用实测信号验证所提方法的实际应用效果,并与传统特征提取法的结果进行对比。结果表明:阶次分析方法的测试准确率约为99.8%,标准差小于0.09%,均优于传统特征提取法。基于时频脊线和阶次分析的转子故障诊断方法具有更高的诊断准确率,在非平稳信号特征提取过程中具有很好的可行性和准确性。

摘要： 无传感器控制可以降低永磁电机的成本,并且提高系统的可靠性。永磁电机的电感等参数受运行工况影响会发生变化,因而准确识别电机参数对提高电机的控制精度具有积极意义。基于永磁电机的电感模型,采用人工神经网络对电机电感进行参数辨识,再通过滑模观测器对转子角度进行观测,实现永磁电机无位置传感器的矢量控制。利用TI公司的TMS320F28379d DSP作为控制芯片,搭建了电机控制电路,对所提控制策略进行了验证。结果表明,该控制策略能实时准确地辨识电机参数,提高控制精度,改善控制性能。

摘要： 探讨飞行学员在不同转速、不同头动状态下反旋转错觉的心率变异性的特征。通过飞行学员前庭功能训练实验模拟飞行学员在60°/s、90°/s和120°/s三种转速下的反旋转错觉,其中,转向分为正向和反向两种,实时获取被试者的心率变异性等生理数据;通过双因素方差分析法对转椅运动过程中的转速和转向对生理数据的显著性影响进行分析;在显著性分析的基础上运用粒子群对人工神经网络模型进行优化,构建飞行学员反旋转错觉辨识模型。研究结果表明,飞行学员在前庭功能模拟训练过程中,旋转方向比旋转速度对飞行学员的影响更大,心率变异性差异更明显,从而为飞行学员训练微观行为考核与评估提供理论依据与技术支持。

摘要： 大型垂直升船机是大江大河上水利水电枢纽的关键通航设施。随着三峡、亭子口、构皮滩等水利枢纽升船机的投入运行,新一代升船机传动技术已发展到智能传动控制阶段。综述了大型垂直升船机中应用的相关传动控制技术:柔性制动的机电液一体化自感应控制技术、机械轴同步电机出力均衡和自动找点停车的多机构协同交互自适应控制系统、保持机构最佳运行状态的基于人工神经网络自学习技术、基于复杂系统协同运行流程规则的控制流程监控和系统安全自决策技术。实践表明:采用该智能传动控制体系,升船机成套设备运行可靠率超过了99.5%。相关经验可供类似工程升船机系统设计借鉴。

摘要： 深度学习的概念源于人工神经网络的研究,其通过组合低层特征形成更加抽象的高层表示属性类别或特征。它集中表现为由浅到深、由表及里、由具象到抽象的学习过程。结合高中语文教学和学生思维建构形成,实现深度学习一直是一线教师的不懈追求。《窦娥冤》教学中,教研组进行了充分准备,组织学生进行了两节课预习,寄希望通过充分预习。

摘要： 在《钢铁侠》中,钢铁侠研发出第一套战甲后回到了恐怖分子基地解救难民。当恐怖分子挟持人质时,钢铁侠通过快速扫描人物特征,分辨出恐怖分子和难民的身份,成功击毙了恐怖分子并解救人质。这个识别的过程就是运用了深度学习的相关技术,通过学习恐怖分子和人质的显著特征,并利用人工神经网络来将特征转化为战甲能够理解的“信息”,使战甲能够自动分辨出恐怖分子和人质,如图1所示。

摘要： 服装销售预测是服装企业商品企划中必不可少的环节之一。为有效帮助服装商品企划人员及相关学者根据实际情况快速选择合适的服装销售预测方法,对时间序列法、回归分析法、灰色预测模型及人工神经网络4类定量销售预测方法从优缺点、优化历程及适用类型3个方面进行梳理总结,并对机器学习的部分组合算法进行举例与归纳。分析得出:时间序列法适用于历史数据离散程度小且影响因素少的短中期服装销售预测;回归分析法中多元回归法比一元回归法在算理上更适合具有多因素影响的服装销售预测;灰色预测模型适用于数据平滑且影响因素较少的服装销售预测;人工神经网络则适合销售数据离散程度大的时尚型服装销售预测。

摘要： 目前在我国,基层水利、气象、市政等相关部门在水文工作方面普遍存在着采集数据不准确,水文信息缺失断档严重,水文预测预报滞后异常等多重问题,这无疑严重影响和制约了我国的水利工程标准化、信息化、现代化建设,也对我省积极落实开展"五水共治"、"剿灭劣V类水"等治水政策提出了现实障碍.为了解决上述问题,本文拟通过分析生成式对抗网络在水文数据模拟系统方面的应用前景,采用实例启发引导更多研究人员将人工神经网络技术和传统水文数值模拟相结合来实现水文数值的精确模拟,利用其高度的并行性和非线性全局性来规范斧正模拟数据,进而提高数据的准确度,为传统水文数值模拟提供新思路和新方法的同时,也可以有效缓解水利、市政等部门现存水文数据信息缺失,检测数据系列异常和预测水文情势滞后的窘境.

摘要： 目前在我国,基层水利、气象、市政等相关部门在水文工作方面普遍存在着采集数据不准确,水文信息缺失断档严重,水文预测预报滞后异常等多重问题,这无疑严重影响和制约了我国的水利工程标准化、信息化、现代化建设,也对浙江省积极落实开展"五水共治"、"剿灭劣V类水"等治水政策形成了现实障碍.为了解决上述问题,本文通过分析生成式对抗网络在水文数据模拟系统方面的应用前景,采用实例启发引导更多研究人员将人工神经网络技术和传统水文数值模拟相结合来实现水文数值的精确模拟,利用其高度的并行性和非线性全局性来规范修正模拟数据,进而提高数据的准确度,为传统水文数值模拟提供新思路和新方法的同时,也可以有效缓解水利、市政等部门现存水文数据信息缺失,检测数据系列异常和预测水文情势滞后的窘境.

摘要： 本文运用人工神经网络(ANN),预测土压平衡盾构掘进过程中引起的地表最大沉降.依托长沙地铁4号线项目,收集到39个断面的地质参数、掘进参数和地表沉降参数.提出了一种量化地质参数的方法,利用人工神经网络非线性拟合能力,综合考虑地层与盾构机掘进过程中的相互耦合关系.研究结果表明,本文预测的地表最大沉降平均绝对误差(MAE)为2.1mm,均方根误差(RMSE)为2.4mm,训练好的神经网络模型能在短时间内预测出整条线路的最大沉降值.

摘要： 本文建立了植物修复尾矿土综合性质与重金属含量非线性分析的人工神经网络方法.针对植物不同修复年限的尾矿土壤进行现场采样,并开展土壤综合性质检测和重金属含量分析;确立黏粒含量、理化性质(阳离子交换量、PH值、电导率)、营养元素(有机质含量、全氮含量、速效磷含量、速效钾含量)、土壤生物(地下生物量)作为土壤综合性质指标,以重金属Cu、Pb、Cr、Ni、As、Cd为预测指标,构建重金属含量分析的祌经网络模型;开展神经网络结构及学习参数的优化,获取最优学习参数;进行了神经网络训练和预测,通过将重金属的预测值与实测值进行对比,证明了神经网络方法预测重金属含量的准确性.所建立的方法为土壤多因素综合作用的相关分析提供了新思路,为进一步的矿山重金属污染治理提供有益参考.

摘要： 目前,网络安全态势感知平台能够有效降低外部攻击对网络造成的危害,但是态势感知模型预测精度有待提高.文中通过基于人工神经网络、线性回归、支持向量机(SVM)的机器学习,构建了由模型建立、数据采集、数据还原、数据处理四个模块组成的网络态势感知系统模型.以此模型为核心,对安全数据采集、存储及数据关联进行分析,利用可视化技术展示,实现了对整体安全态势的精准预测和分析,为有效抵御网络攻击提供了有力支撑.

摘要： 研究基于单颗粒气溶胶质谱技术,开展浙江省淳安县冬季典型时段大气颗粒物观测研究.基于人工神经网络算法,将本次采集到的颗粒物组分分为ECOC(14.9％)、NH4-rich(13.7％)、SN(sulfate-nitrate,13.6％)、dust(13.1％)、aged-EC(12.3％)、OC(11.6％)、EC(8.0％)等共计12种类别.观测期间,捕捉到二次典型的污染过程,分别为污染积累-爆发增长阶段(casel)和两次轻度污染过程(case2、case3).不同污染过程显示出不同组分粒径增长率的差异性,其中小粒径段(0.7μm以下)组分构成差别不大,具有较好的一致性,而大粒径段(0.7μm以上)颗粒物组分构成,在不同污染过程中差异较大,长距离输送时硝酸盐等二次组分较多,局地源排放为主时EC、NH4-rich等组分较多.研究表明,不利气象条件及区域性外围传输,是导致本次高污染的主要原因.高污染期间,颗粒物主要来自北方和西南方向,各占40.2％,其次为长三角本地源贡献(19.2％).污染爆发增长阶段(case1-2),EC、ECOC和aged-EC组分明显增多,分别为爆发前(case1-1)的2.4倍、3.2倍和3.2倍,表明机动车尾气排放及其老化的二次产物,对淳安地区高浓度细颗粒物具有重要贡献.此外,淳安富氨及高饥现象明显,与本地源排放及区域输送密切相关.

摘要： 采用人工神经网络(ANN)的方法,研究了挤压比、挤压比压、挤压温度和挤压速率对喷射成形TiCp/ZA35复合材料力学性能的影响,建立了TiCP/ZA35复合材料热挤压的人工神经网络模型.模型的输入参数为挤压比、挤压比压、挤压温度和挤压速率,输出参数为复合材料的抗拉强度和伸长率.该模型可以仿真TiCp/ZA35复合材料在不同热挤压工艺参数下的力学性能,也可以优化热挤压工艺参数,模型结果与试验结果误差小于1.8％,拟合率为0.986.推荐了原位反应喷射成形TiCp/ZA35复合材料热挤压的工艺参数为:挤压比压415MPa,挤压温度315°C,挤压比为22,挤压速率为8mm·s-1,挤压后得到复合材料的抗拉强度为486.7MPa.

摘要： 东海深部地层中,由于所选用PDC钻头与地层性质不匹配,导致机械钻速低.为解决这一问题,有必要对东海深部地层的岩石可钻性进行研究,以保证钻头选型的针对性.岩石可钻性级值主要是通过室内实验或者测井数据解释得来,由于室内实验成本高、周期长等不利因素,如何通过测井资料准确预测岩石可钻性就尤为重要.本文以岩心室内微钻实验数据为依据,首先建立了测井参数预测岩石可钻性的非线性多元回归模型,之后尝试利用人工神经网络的方法对岩石可钻性进行预测.通过对比各预测方法的优劣,旨在优选出适合于东海深部砂岩地层的岩石可钻性预测方法.

摘要： 相较于美国人均体育场地面积16平方米、日本的19平方米,中国目前只有人均1.57平方米,可供锻炼的体育场地严重不足.中国提出,到2020年,人均体育场地面积达到1.8平方米.就需要大量的建设体育场地,而成本估算对建设项目的成功至关重要.本文的主要目的是研究人工神经网络(ANN)在体育场地作为具体设施的情况下估算建筑工程总造价问题的适用性.本文提出了一种基于人工神经网络的体育场地建设成本估算新方法.

摘要： 针对基于压电传感器阵列和弹性波的管道完整性监测,提出一种基于人工神经网络的管道弹性波监测信号空间域采样补偿时域采样长度的方法,该方法从压电传感器阵列的第一个阵元开始,依次将各个阵元的传感信号进行时间延迟后与待补偿信号进行合成;然后使用该合成信号对RBF神经网络进行拟合训练,再使用训练后的RBF神经网络计算时间延迟后的待补偿信号与补偿信号的合成误差;最后选择合成误差最小值点对应的合成信号作为最佳合成信号.本文在7075铝合金板上对该方法进行了实验研究,实验结果表明该方法可以有效实现对传感信号的时域采样长度优化,从而提高了后续传感信号时域处理与分析的精确性;在线阵长度不变的情况下,随着阵元间距的减小,优化后的传感信号与弹性波激励信号更接近.

摘要： 本发明提供了一种用于人工神经网络的突触器件，所述人工神经网络包括多个神经元，所述多个神经元之间通过突触器件阵列相互连接，所述突触器件阵列包括多个突触器件，所述突触器件包括：两个、三个或更多个并联连接的突触单元。本发明还提供了一种包括这种突触器件的人工神经网络。

摘要： 根据本发明的分布式处理用人工神经网络运算加速装置可以具有：外部主存储器，存储针对输入神经元的输入数据和突触权重；内部缓冲存储器，存储构成所述人工神经网络运算的各个循环所需的突触权重和输入数据；DMA模块，用于与所述外部主存储器及内部缓冲存储器直接发送和接收数据；神经网络运算装置，针对构成人工神经网络运算的各个循环重复地处理以下一系列顺序过程：读取存储在所述内部缓冲存储器的突触权重和输入数据、执行人工神经网络运算、将运算结果存储在所述外部主存储器；CPU，用于控制在所述外部主存储器和内部缓冲存储器存储针对输入神经元的输入数据和突触权重的操作和所述神经网络运算装置的运行；及通用通信中介块，可以与无关集成电路的类型地以物理方式连接的其他加速装置发送和接收针对所述输入神经元的输入数据和突触权重以及在所述神经网络运算装置执行的运算结果。

摘要： 一种对根据来自旧任务的数据训练的人工神经网络进行再训练的方法，包括：利用来自不同于旧任务的新任务的数据对人工神经网络进行训练，在利用新任务对人工神经网络进行训练期间，利用S l i ced Wasserste i nD i stance计算一系列隐藏层节点的激活分布中的漂移，基于激活分布中的漂移计算要添加到至少一个隐藏层的附加节点的数量，将输入层节点、隐藏层节点和输出层节点之间的连接权重重置为在利用来自新任务的数据对人工神经网络进行训练之前的值，将附加节点添加到至少一个隐藏层，以及利用来自新任务的数据对人工神经网络进行训练。

摘要： 一种人工神经网络(ANN)的存储器系统包括：处理器，其用于处理人工神经网络模型；以及ANN存储器控制器，其被配置为控制存储在存储器中的ANN模型的数据的重新排列并且基于ANN模型的ANN数据局部性信息以读取突发模式操作存储在存储器中的ANN模型的数据。ANN存储器控制器可以接收预先生成的ANN数据局部性信息，或者处理器可以按顺序生成多个数据访问请求，使得ANN存储器控制器可以通过监控多个数据访问请求来生成ANN数据局部性信息。ANN存储器控制器基于人工神经网络数据局部性在接收来自处理器的请求之前准备数据，以减少存储器向处理器提供数据的延迟。

摘要： 一种人工神经网络存储器系统包括：至少一个处理器，其被配置为生成与人工神经网络操作对应的数据访问请求；以及至少一个人工神经网络存储器控制器，其被配置为依次记录数据访问请求，以生成人工神经网络操作的人工神经网络数据局部性模式，并且基于人工神经网络数据局部性模式生成预测由至少一个处理器生成的数据访问请求的下一数据访问请求的提前数据访问请求。

摘要： 本发明涉及用于应用有多任务能力的人工神经网络（KNN）的经改善的可能性。尤其是，本发明提出一种用于训练有多任务能力的KNN（110）的方法。在此，为通过KNN（110）的第一信息流提供第一路径（P1），其中所述第一路径（P1）将所述KNN（110）的输入层（120）与所述KNN（110）的至少一个跨任务中间层（130）耦合，所述跨任务中间层对于所述KNN（110）的多个彼此不同的任务是共同的，并且所述第一路径（P1）将所述至少一个跨任务中间层与来自多个彼此不同的任务（A，B）的相应的任务特定的KNN分段（140）耦合。此外，经由所述输入层（120）和所述第一路径（P1）输送用于训练跨任务参数的第一训练数据，所述跨任务参数对于所述KNN（110）的多个彼此不同的任务是共同的。此外，为通过所述KNN（110）的与所述第一信息流不同的第二信息流提供至少一个任务特定的第二路径（P2），其中所述第二路径（P2）将所述KNN（110）的输入层（120）与来自多个彼此不同的任务的任务特定的KNN分段（140）中的仅一部分耦合，并且经由所述第二路径（P2）输送用于训练任务特定的参数的第二训练数据。

摘要： 公开了一种数据缓存或数据管理设备，其用于在至少一个处理器和至少一个存储器之间高速缓存数据，并且支持由至少一个处理器执行的人工神经网络(ANN)操作。数据高速缓存设备或数据管理设备可以包括内部控制器，该内部控制器用于基于ANN操作的ANN数据局部性来预测下一数据操作请求。内部控制器从在至少一个处理器和至少一个存储器之间实际做出的数据操作请求中监视与ANN操作相关联的数据操作请求，从而提取ANN操作的ANN数据局部性。

摘要： 描述了一种电子设备，该电子设备包括处理逻辑，所述处理逻辑被配置为接收输入图像数据并使用人工神经网络模型来生成具有与输入图像数据不同的格式的输出图像数据。人工神经网络模型包括多个编码层单元，所述多个编码层单元分别包括位于多个级别的多个层。人工神经网络模型还包括多个解码层单元，所述多个解码层单元包括多个层并且被配置为与处于相同级别的多个编码层形成跳跃连接。第一级别的第一编码层单元接收第一输入特征图并将基于第一输入特征图的第一输出特征图输出到随后的编码层单元和处于第一级别的解码层单元。

摘要： 一种用于借助训练数据组来训练人工神经网络、尤其贝叶斯神经网络的方法，该方法具有根据损失函数来匹配人工神经网络的参数的步骤，其中，该损失函数包括第一项，该第一项表示对训练数据组的通过人工神经网络的分类与训练数据组的期望分类之间的距离的下边界的估计。此外，损失函数包括第二项，该第二项构型成使得通过人工神经网络的不同样本来调节训练数据组中的偶然不确定性的差异。

摘要： 本发明提供一种人工神经网络芯片及配备人工神经网络芯片的机器人，所述芯片包括硅衬底和3D存储阵列，在所述硅衬底和所述3D存储阵列之间设置有外围逻辑电路和人工神经网络电路；所述芯片基于3D非易失性存储器工艺制备；采用前道工艺制程实现所述3D非易失性存储器的外围逻辑电路以及所述人工神经网络电路；所述机器人包括所述人工神经网络芯片。本发明提出的人工神经网络芯片以3D非易失性存储器作为存储机制，具有超大容量的数据存储能力，而且即使掉电后数据依然能够保存。因此，本发明这种配备人工神经网络芯片的机器人灵活性高，学习能力强，动态可调节，这是传统机器人无法办到的。