人工神经网络模型

摘要： 为综合评价水利工程质量,文章基于布谷鸟算法(CSA)、蝙蝠算法(BA)、鲸鱼算法(WOA)优化人工神经网络模型(ANN),结合TOPSIS模型,构建了水利工程质量综合评价模型。同时在项目操作质量、项目管理质量和项目监理监督质量3个方面构建了评价体系。结果表明:CSA-ANN模型在所有模型中精度最高,该方法评价结果与层次分析法和模糊评价法基本一致,同时运算速率更快,证明了该方法的科学性。

摘要： 为探索国产卫星GF-1预测土壤有机质(SOM)的能力,本研究以广东省云浮市的罗定市为研究区,以GF-1多光谱遥感影像衍生的9个遥感变量和DEM提取的9个地形水文变量为预测因子,建立2种人工神经网络模型(A模型:地形水文;B模型:地形水文+遥感),对5个土壤深度(L1:0~20 cm,L2:20~40 cm,L3:40~60 cm,L4:60~80 cm,L5:80~100 cm)的SOM进行预测。结果表明:5个深度的B模型全都比A模型的精度高,尤其是L1、L2土层,精度提升明显,其R²分别提高了13%和10%;而深层土壤(L3、L4、L5)的精度提升较小,仅提高了4%、5%和4%。另外,两个评价指标RMSE和ROA±10%也表现出相似的趋势。总体而言,GF-1遥感数据显著改善了上层(0~40 cm)森林土壤人工神经网络模型的预测精度,对下层(40~100 cm)森林土壤模型改善尺度较低,是预测森林土壤SOM含量可观的新遥感数据源。

摘要： 为得出水利工程复合地基承载力的最优估算模型,以实测承载力为基础,基于人工神经网络模型(ANN),以3种优化算法(布谷鸟算法CSA、粒子群算法PSO、遗传算法GA)构建了3种优化模型,以多源数据为输入组合方式,比较了不同模型精度,结果表明:影响复合地基承载力的因素由高到低依次为桩径、桩长、置换率、施工工艺、孔隙比,CSA-ANN模型在所有模型中精度最高,可推荐估算水利工程复合地基承载力。

摘要： 目的探讨轻型急性脑梗死后患者认知域功能的变化及认知功能障碍(CI)的危险因素。方法选取我院195例轻型急性脑梗死患者设为梗死组,50例健康体检者设为对照组,比较两组不同梗死部位的不同认知域评分;依据蒙特利尔认知评估量表(MoCA)评分将梗死组患者分为CI组(150例)和非CI组(45例),比较两组患者的一般资料,多因素分析影响轻型急性脑梗死后患者CI的危险因素;采用受试工作者特征曲线(ROC)和校准曲线评价人工神经网络模型的区分度和准确度。结果梗死组患者较对照组认知区域功能下降(P<0.05);多因素Logistic分析结果显示,女性、糖尿病、高血压、HBS-SP≤55分为轻型急性脑梗死后患者发生CI的独立危险因素,而文化程度高为保护因素(P<0.05)。ROC曲线和校准曲线显示该模型具有较好的区分度和准确度。结论临床应重点关注绝经期女性、患者HBS-SP评分等危险因素,以预防和减缓CI发生。

摘要： 为了提高起重机运行安全检验结果的准确性,避免误判,并且提高塔式起重机检验的智能化水平,提出了一种基于改进的学习矢量量化(LVQ)人工神经网络模型,实现了对塔式起重机运行安全状态的智能检验。首先,根据近年来建筑工地塔式起重机的检验数据,建立了样本集,基于塔式起重机相关的安全技术标准和规范,将检验项目分解为最常见、最主要的15个因素,作为神经网络输入层的数目;然后,对290台塔式起重机的检验数据进行了统计(金属结构的连接、作业环境、主要零部件与机构,此3项不合格的频次较高);最后,在学习矢量量化(LVQ)算法基础上,改进了LVQ人工神经网络的检验评价模型,再运用优化的特征数据训练出了LVQ分类器,提出了改进的LVQ智能检验方法,对50个测试样本进行了分类识别实验。研究结果表明:改进后的LVQ人工神经网络算法提高了塔式起重机检验结果的正确率,在整机检验中合格率和不合格率均能达到100%,避免了误判,实现了对塔式起重机设备的安全智能检验。

摘要： 目的 构建预测FOLFOX方案(奥沙利铂+亚叶酸钙+氟尿嘧啶)一线治疗转移性结直肠癌(mCRC)疗效的人工神经网络模型.方法 从美国国家生物信息中心的基因表达汇编(GEO)数据库获取1 组FOLFOX方案一线治疗mCRC 的数据(GSE104645)作为训练集,其中FOLFOX 方案疗效敏感组(完全缓解和部分缓解患者)31 例,耐药组(疾病稳定和疾病进展患者)23 例.将训练集样本按7:3 分为内部训练样本和内部测试样本.以福建医科大学附属协和医院结直肠外科采用FOLFOX方案一线治疗的30例mCRC 患者的芯片数据集(GSE69657)作为外部验证样本,其中敏感组13例,耐药组17 例.运用R 3.5.1 软件Combat 包对两套矩阵的表达值进行批间差校正.运用GEO2R平台对GSE104645中敏感组和耐药组的基因表达进行差异分析,以P＜0.05且丨 log2FC丨＞0.33(FC 为差异倍数)为阈值,筛选FOLFOX 方案的耐药基因和敏感基因.采用多层感知器方法对GSE104645 数据集进行FOLFOX方案疗效的人工神经网络模型构建.然后,以外部验证样本进行回代验证.采用受试者工作特征(ROC)曲线对所建模型的预测能力进行评价.结果 基于GSE104645数据集,共筛选出2 076个差异基因,其中822个基因在耐药组上调,1 254个基因下调,下调基因为敏感基因.基因本体论(GO)分析显示,差异基因主要富集在物质代谢的调控过程中.所构建的人工神经网络模型共纳入39个基因,包含2个隐藏层.其在训练集中预测训练样本和测试样本的准确度分别为75.7％和76.5％,ROC曲线下面积为0.875.回代验证显示,外部验证样本的ROC曲线下面积为0.778.结论 基于芯片数据成功建立了人工神经网络预测模型,模型稳定性好,预测FOLFOX 方案一线治疗mCRC疗效的效能强.与奥沙利铂耐药相关的基因功能主要富集在物质代谢的调控过程中.

摘要： 在Gleeble-3180热模拟机上对碳化硅颗粒增强铝基(SiCp/2014Al)复合材料进行热压缩试验,研究其在变形温度为350,400,450°C和500°C,应变速率为0.001,0.01,0.1s^(-1)和1.0 s^(-1)条件下的热变形行为。根据热压缩实验的真应变-真应力数据,在考虑应变、应变速率和变形温度对流动应力的耦合影响下构建修正的Johnson-Cook(JC)本构模型,同时建立人工神经网络模型(ANN)。结果表明:SiCp/2014Al复合材料的流变应力随应变速率的增加和温度的降低而增大。与修正的JC模型相比,ANN模型具有较低的均方根误差(0.51 MPa)和平均绝对误差(1.43%),以及较高的相关系数(0.9997),表明其对SiCp/2014Al复合材料热变形流变应力的预测具有更高的预测精度和可靠性。

摘要： 在Gleeble-3180热模拟机上对碳化硅颗粒增强铝基(SiCp/2014Al)复合材料进行热压缩试验,研究其在变形温度为350,400,450°C和500°C,应变速率为0.001,0.01,0.1s-1和1.0 s-1条件下的热变形行为.根据热压缩实验的真应变-真应力数据,在考虑应变、应变速率和变形温度对流动应力的耦合影响下构建修正的Johnson-Cook(JC)本构模型,同时建立人工神经网络模型(ANN).结果表明:SiCp/2014Al复合材料的流变应力随应变速率的增加和温度的降低而增大.与修正的JC模型相比,ANN模型具有较低的均方根误差(0.51 MPa)和平均绝对误差(1.43％),以及较高的相关系数(0.9997),表明其对SiCp/2014Al复合材料热变形流变应力的预测具有更高的预测精度和可靠性.

摘要： 针对定性工业供应链销售预测方法中存在的精度低、非智能化且无法处理复杂样本等问题,提出一种基于高斯混合模型的工业供应链销售预测方法.分析真实销售数据的特征信息及特征间的相关程度;在不同聚类簇数和特征数的组合下利用训练数据集迭代计算模型参数;对测试数据集进行销售预测,通过比较预测结果的准确率、召回率和F值三个指标确定可实现较好结果的特征值与聚类簇数目.实验结果表明,与人工神经网络模型和卷积神经网络模型相比,该方法在三个指标方面均表现出更好性能,可较好地预测销售成交情况.

摘要： 将人工神经网络的方法引入中国实验快堆传感器数据分析,通过机器学习的方式,建立出入口钠温作为输出、堆功率等多个变量为输入的模型.通过比较不同优化算法下测试集的预测值和实际值之间误差,进行模型的调整.在最优算法下,判断最终模型的泛用性.实验结果表明,通过人工神经网络方式建立的出入口钠温模型,拟合结果较好,可以实现通过其余冗余传感器间接得到目标传感器数据大致区间范围,实现非冗余传感器故障有效监测.

摘要： 本文完成了基于人工神经网络模型的双面组件系统设计，系统设计优劣会影响背面增益从5%到30%变化，人工神经网络模型用于双面组件系统设计是有益尝试。

摘要： 基于对溴化锂-水1.n效吸收式制冷机的实验数据建立了人工神经网络模型,通过误差计算验证了模型的准确性.根据该人工神经网络模型建立了1.n效吸收式制冷机的TRNSYS模块,同时根据中温太阳能集热器的性能曲线建立了集热器的TRNSYS模块,依据两个自建模块在TRNSYS软件中建立中温太阳能驱动溴化锂-水1.n效吸收式制冷系统,并对系统运行情况进行了模拟计算.

摘要： 详细说明了江苏沙钢集团热轧工艺中为减少检测SPHC和Q235B两个钢种力学性能的试验次数而开发的人工神经网络模型,实现了通过模型分析获得理论力学性能数据,从而达到节省成本的目的.

摘要： 苏南河网地区内河纵横交错,水流特性复杂,为克服节制闸水位自动测报中的误差,采取MATLAB人工神经网络模型方法进行水位模拟,以提高水位预报精度.介绍了MATLAB神经网络工具箱的应用方法,并以苏南某地3个典型节制闸水位测报为例,给出了网络模拟过程及结果.应用情况表明,模型模拟效果较好,其算法容易掌握,方便在基层业务工作中应用.

摘要： 本文把内河水位作为输入变量,沿江各节制闸水位作为输出变量,利用MATLAB神经网络模型工具箱模拟各节制闸水位与内河水位之间关系,利用该模型可方便地进行水位预报.

摘要： 目的：建立中医经方四逆汤制备工艺的人工神经网络模型,优化筛选出制备四逆汤的最佳工艺参数.方法：将正交设计与人工神经网络相结合,首先采用L9 (34)正交设计试验优选四逆汤的制备工艺;再以正交试验结果为神经网络训练样本,运用Matlab建立神经网络优化模型对考察指标进行预测,进而得出优化工艺参数,并进行试验验证.结果：四逆汤的最佳制备工艺参数为:提前煎煮附子0.5h,再与炙甘草和干姜二味药合煎,共提取3次,料液比第一次为1∶8,后两次为1∶6,每次提取1h.结论：人工神经网络与正交试验联用优选的四逆汤制备工艺参数稳定、可行.

摘要： 大坝变形区间预报是大坝安全监测系统中重要的组成部分,是对大坝结构形态与安全状况最直观和有效的反映.根据两江水电站雪山湖大坝多年的变形观测数据,本文提出一种基于BFGS-BP神经网络预测大坝变形的模型方法,利用多年监测的库水位、温度、气压等环境资料,实现了混凝土大坝的变形预测分析.分析结果表明,与传统的统计方法比较,预测精度和收敛速度得到了明显提高.本文的研究对大坝工作状态、安全管理工作起到了重要的意义.

摘要： 大坝变形区间预报是大坝安全监测系统中重要的组成部分,是对大坝结构形态与安全状况最直观和有效的反映.根据两江水电站雪山湖大坝多年的变形观测数据,本文提出一种基于BFGS-BP神经网络预测大坝变形的模型方法,利用多年监测的库水位、温度、气压等环境资料,实现了混凝土大坝的变形预测分析.分析结果表明,与传统的统计方法比较,预测精度和收敛速度得到了明显提高.本文的研究对大坝工作状态、安全管理工作起到了重要的意义.

摘要： 大坝变形区间预报是大坝安全监测系统中重要的组成部分,是对大坝结构形态与安全状况最直观和有效的反映.根据两江水电站雪山湖大坝多年的变形观测数据,本文提出一种基于BFGS-BP神经网络预测大坝变形的模型方法,利用多年监测的库水位、温度、气压等环境资料,实现了混凝土大坝的变形预测分析.分析结果表明,与传统的统计方法比较,预测精度和收敛速度得到了明显提高.本文的研究对大坝工作状态、安全管理工作起到了重要的意义.

摘要： 大坝变形区间预报是大坝安全监测系统中重要的组成部分,是对大坝结构形态与安全状况最直观和有效的反映.根据两江水电站雪山湖大坝多年的变形观测数据,本文提出一种基于BFGS-BP神经网络预测大坝变形的模型方法,利用多年监测的库水位、温度、气压等环境资料,实现了混凝土大坝的变形预测分析.分析结果表明,与传统的统计方法比较,预测精度和收敛速度得到了明显提高.本文的研究对大坝工作状态、安全管理工作起到了重要的意义.

摘要： 提供了一种神经处理单元(NPU)、驱动人工神经网络(ANN)模型的方法和ANN驱动装置。NPU包括半导体电路，该半导体电路包括被配置为处理人工神经网络(ANN)模型的操作的至少一个处理元件(PE)；以及至少一个可配置以存储第一内核和第一内核滤波器的存储器。NPU被配置为基于第一内核和第一内核滤波器生成第一调制内核，并且基于第一内核和通过将数学函数应用于第一内核滤波器生成的第二内核滤波器而生成第二调制内核。通过减少从单独的存储器读取到人工神经网络处理器的内核的数据大小和/或通过减少存储器读取请求的数量来减少功耗和存储器读取时间。

摘要： 本发明提供了一种基于人工神经网络模型判别肝癌患者预后情况的装置，所述装置包括：(1)输入模块，所述输入模块被设置为用于输入待判别肝癌患者的肿瘤特征信息；(2)预后判别模块，所述预后判别模块被设置为包括人工神经网络模型，所述人工神经网络模型用于基于输入的信息计算所述待判别肝癌患者的预后情况；(3)输出模块，所述输出模块被设置为输出得到的预后情况。本发明还提供了采用所述装置对肝癌患者进行预后情况分组的方法。

摘要： 本发明涉及一种基于人工神经网络模型的正中矢状平面构建方法，有以下步骤：(1)、建立适用于三维颜面数据PA关联法构建正中矢状平面的人工神经网络模型；(2)、建立人工网络模型针对PA解剖标志点的智能权重调控机制，实现专家级逻辑策略的训练模式和反馈机制。本发明能将人工神经网络算法模型应用于口腔医学三维颜面数据的对称性分析，创新提出“人工神经网络PA关联法”构建正中矢状平面的算法思路，实现PA标志点的智能权值调控，达到模拟临床专家级诊断策略的效果。

摘要： 本发明属于人工神经网络保护机制领域，特别涉及一种针对人工神经网络模型的加密保护系统及方法，包括数据输入模块、加密模块、加密数据输入模块、人工神经网络模型模块和数据输出模块，所述数据输入模块与加密模块信号相连，所述加密模块与加密数据输入模块信号相连，所述加密数据输入模块与人工神经网络模型模块信号相连，所述人工神经网络模型模块与数据输出模块信号相连。与现有技术相比，本发明可以在计算量无显著增加且保持人工神经网络性能的情况下，对人工神经网络模型嵌入保护性密码，使得在人工神经网络模型发布后，任何的复制、二次开发或修改均无法影响该保护性密码。

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： 本发明公开了一种基于灰色预测模型与BP人工神经网络模型的月用电量预测方法，该方法首先计算每月指数，再利用每月指数修正月用电量数据，而后对修正的数据作对数变换并以此建立灰色预测模型，用该模型进行拟合预测后，得到月用电量的拟合值向量、未来月用电量的预测值向量及残差值向量，将残差值向量做计算处理后输入BP人工神经网络模型进行网络训练并做预测，得残差预测值向量，最后，将该向量计算处理后与未来月用电量的预测值向量进行计算处理后得最终预测值矩阵。相比现有方法，本发明能够显著提高月用电量的预测精度。

摘要： 本发明公开了一种基于人工神经网络模型的任务定价分析方法及系统，属于机器学习技术领域；所述的方法基于BP神经网络模型解决注册会员的数量密集地区中的任务完成情况，通过公式(1‑1)对数据模拟仿真以及相关性检测，并提供分析模型结果及在任务方圆0.1经纬度范围内会员坐标与任务的分布规律；本发明方法运用BP神经网络模型可以充分利用会员与任务的定价及分布关系，可以获取到模型预测的任务定价的重点信息，确保了模型的可操作性，使算法更接近于实际应用。

摘要： 本发明公开了基于人工神经网络模型的二次风优化控制方法，实现步骤为：1)在一次风粉管道上加装煤粉质量流量和流速的测点，调整管间煤粉分布和管内煤粉流态；2)读取锅炉运行数据在线计算锅炉效率，并建立神经元网络锅炉模型，使用运行数据对神经元网络锅炉模型进行训练；3)利用神经元网络锅炉模型的自学习功能和高速寻找优化解的能力，预测二次风门开度与二次风量的变化对锅炉效率和氮氧化物排放浓度的影响，最终输出最佳的二次风门和风量指令，实现二次风优化控制。利用人工神经元网络模型的模糊控制原理和基于多变量高速寻找优化解的特性，分析二次风门开度和锅炉效率等参数的内在函数关系，实现二次风门和风量的自动优化控制。

摘要： 本发明属于数据处理技术领域，公开了一种基于改进的人工神经网络模型三维加工图建立方法、系统，基于材料的热加工范围进行材料应力应变数据采集；基于采集的数据利用神经网络对三维空间的应力分布进行泛化补充，并对数据进行分析处理得到应力在三个维度的三维空间分布以及其他三维分布情况；基于确定的三维分布情况，计算能量耗散和产生的热量，并构建加工图。本发明借助神经网络的智能化思想对传统的加工图构图方法进行了优化，不仅仅可以在实际的生产应用中实现更好的微观组织与加工图的对应，而且可以在工业4.0中发挥巨大的推动作用，协助工业的智能生产，产品控制。

摘要： 本发明公开了一种利用机器学习和/或人工神经网络模型识别产痹性贝类毒素藻类的方法与应用。本发明通过提取产麻痹性贝毒的藻类或不产麻痹性贝毒的藻类在不同环境条件下的三维荧光光谱信息，运用SVM和CNN模型提取实验藻类的特征峰，通过反复训练模型，并不断优化参数，得到可用于识别产麻痹性贝类毒素和不产麻痹性贝类毒素藻类的机器学习和深度学习模型，能用于产毒藻的识别。本发明对麻痹性贝毒藻类和非麻痹性贝毒藻类判别正确率很高，基本实现了对产毒藻快速准确识别的目的。本发明无需去除荧光原始光谱的瑞利散射，可有效降低数据处理的繁杂程度，提高模型的运行速度，更方便、快捷、准确的对产麻痹性贝类毒素藻类进行判别。