心肌梗塞诊断的专家系统方法

目的：提高心肌梗塞的正确诊断率。方法：将心内科专家的经验归纳、整理,制成软件,形成专家系统方法。结果：用实际临床已正确诊断的１００例病例进行检验,心肌梗塞疾病的诊断敏感性达到９５％,特异性达到１００％,准确性达到８０％。结论：同目前实际临床的情况相比,该方法的结果良好,说明该方法应用于医疗诊断方面是成功的。     

支持向量机和人工神经网络在期权价格预测中的比较研究

期权定价已成为金融市场的重要组成部分之一。 由于市场是动态的,准确预测期权价格非常困难。 因此,设计和发 展了各种机器学习技术来预测期权价格未来趋势。 比较了支持向量机(ＳＶＭ)模型和人工神经网络(ＡＮＮ)模型在期权价格预 测中的有效性。 在测试和训练阶段,２ 种模型都使用公开可用的基准数据集 ＳＰＹ ｏｐｔｉｏｎ ｐｒｉｃｅ－２０１５ 进行测试。 ２ 种模型均采 用主成分分析(ＰＣＡ)转换后的数据,以达到更好的预测精度。 另一方面,为了避免过拟合问题,将整个数据集划分为训练集 (７０％)和测试集(３０％)２ 组。 将支持向量机模型与基于均方根误差(ＲＭＳＥ)的神经网络模型的结果进行了比较。 实验结果 表明:神经网络模型优于支持向量机模型,预测的期权价格与相应的实际期权价格吻合良好。     

组合多重神经网络动态系统鲁棒故障检测与诊断

利用Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ证据理论，通过组合多重神经网络分类器，对一控制系统中的校正网络进行故障检测与诊断．单个神经网络分类器对某些特定的特征量进行分类，对应实际系统特征量的网络输出值与相应训练用特征集的网络输出均值之间的广义距离为单个分类器输出的实际系统属于某类的度量值．证据理论采用简单支撑集假设下的证据组合形式，最终的输出为综合多个神经网络输出后的结果．实际应用表明，此方法可以检测与诊断出单一分类器不能发现的故障，同时也减少了利用单个分类器对不同故障进行检测与诊断时的不精确性     

人工神经网络在医疗智能诊断系统中的应用

提出了将人工神经网络与专家系统相结合，建立医疗智能诊断的方法，并用于心肌梗塞，心绞痛疾病的临床诊断，临床已确诊的140份病历检验结果表明，神经网络技术在医疗诊断领域应用效果显著，具有广阔的发展前景。     

基于分形和神经网络的柴油机振动诊断方法

提出了一种基于分形理论和神经网络技术的柴油机振动诊断方法,首先对柴油机的振动信号进行小波降噪,然后提取相应的不同迭代阶数的广义分形维数,并将其作为RBF神经网络的输人参数,以运行工况作为输出参数训练神经网络模型．训练后的神经网络可以利用测量的振动信号来判断柴油机的故障状况．实验及仿真结果表明：采用的小波降噪技术可以较好地再现振动信号特征,有效提高故障识别率;同时基于分形和神经网络技术的诊断方法在柴油机故障诊断中是有效可行的,对于单个故障的正确识别率达到了100％,具有较高的工程适用性,对其他复杂机械的振动诊断同样具有参考价值．     

人工神经网络在膀胱癌诊断中的应用

目的:探讨应用BP神经网络技术建立诊断模型来判断膀胱癌的可行性。方法:153例患者分为训练集和测试集,应用BP神经网络模型,建立人工神经网络诊断模型,然后随机抽样测试样本输入模型进行预测。结果:人工神经网络预测膀胱癌的灵敏度为100%,特异度为92.3%。结论:人工神经网络诊断模型对膀胱癌的判断有良好的诊断性能。     

一种基于神经网络的汽车故障诊断方法

神经网络作为一种自适应的模式识别技术,较传统的模式识别方法在故障诊断领域有着较大的优势。针对汽车发动机燃油系统经常出现的三类故障,本文首先应用simulink进行了必要的特征提取和数据采集,然后在MATLABGUI设计的人机界面环境下,应用经训练的神经网络网格进行诊断决策,得出了精确可靠的决策结果。该方法对汽车故障诊断技术的改进和创新具有实际应用意义。     

一种基于RBF神经网络的智能故障诊断方法

根据神经网络独特的容错、联想、推测、自适应、自学习等优点,针对BP网络在故障诊断应用中收敛速度慢等不足,研究了基于RBF神经网络的智能故障诊断方法.该诊断方法只需要足够的具有代表性的故障样本用以训练神经网络,然后将归一化的故障信息输入给训练好的神经网络,根据其输出结果就可以判断发生的故障类型.利用该诊断方法,对发动机转子系统故障诊断进行了仿真,仿真结果表明,基于RBF神经网络的智能故障诊断方法效果良好.     

人工神经网络在地震分析预报中的应用

为了探索人工神经网络应用于地震分析预报的可能性,以福建及其周边地区地震活动为例,采用ｂ值、地震频次、地震能量释放、空间集中度４项地震活动性指标作为神经网络的输入,用具有Ｓ－型特性函数的ＢＰ网络对由每年地震的活动指标组成的标准样本进行训练,由训练结束后的权值和阈值及待预报样本的因子测值计算出网络输出值,作为地震活动性的预测．结果表明,用神经网络可以在一定精度范围内使震级预报的内检符合率达１００％,在例子中,外推预报准确率达８８％以上．     

基于蚁群神经网络船舶发电机故障诊断

BP神经网络在船舶发电机故障诊断中有广泛的应用,但由于BP网络采用的是沿梯度下降的搜索求解算法,存在收敛速度慢、且容易陷入局部极小等问题,给故障诊断带来不便.为此,采用蚁群优化算法代替反向传播算法训练神经网络的权值和阈值.以船舶发电机中的同步发电机为例,利用训练后的蚁群神经网络对其进行故障诊断,并把BP神经网络和蚁群神经网络的训练和诊断结果相比较,结果表明蚁群神经网络具有较好的训练性能、收敛速度、诊断精度和良好的故障识别率,应用于船舶发电机的故障诊断中,具有较好的应用前景.     

模糊神经网络分析方法用于心肌缺血诊断的研究

介绍一种神经网络－模糊推理协作系统。神经网络有很好的学习能力和准确拟合任意非线性函数的能力。模糊模型将专家知识转换到神经网络中，然后把它应用于诊断系统，从而使得心血管疾病（心肌缺血）的诊断准确率大大提高。     

基于径向基函数(RBF)神经网络的储层损害诊断技术研究

在石油勘探开发过程中会因各种原因造成储层损害,降低油井产量甚至停产,必须对损害储层进行准确定量诊断的基础上采取相应的解堵措施,提高或恢复油井产量．人工神经网络法是进行储层损害诊断较好的方法,但目前仅限于BP神经网络,或改进的BP神经网络的应用．本文通过对BP神经网络和径向基函数（RBF）网络的对比表明,径向基函数（RBF）网络具有收敛速度快、预测精度高等优点,并在确定影响储层敏感性和各损害类型因素的基础上,分别收集了各数据70组以上,然后进行了径向基（RBF）网络训练和应用,分别建立了径向基（RBF）神经网络在储层损害敏感性和定量诊断领域的应用,实现了对储层水敏性、盐敏性、速敏性预测,以及储层微粒运移、固相颗粒堵塞、水化膨胀和结垢损害程度的定量诊断;同时,提出的径向基（RBF）网络储层损害定量诊断法在孤东油田17口井上得到了检验,成功率达100％,证明RBF网络法与其它方法相比具有诊断结果准确性高、结论可靠、推广应用方便、收敛速度快等优点,提高了储层保护措施和解堵措施优化决策的科学性和准确性,在油田生产中发挥了重要作用．     

肺癌患者BALF细胞端粒酶活性检测的诊断意义

目的 :对支气管肺癌患者经纤维支气管镜行支气管肺泡灌洗并检测回收液中细胞端粒酶的活性 ,评估端粒酶活性检测对支气管肺癌诊断的临床应用价值。方法 :临床确诊支气管肺癌 15例 ,其它良性非肿瘤性病变 15例 ,除了常规的影像学检查外 ,均行常规电子支气管镜检查并作支气管肺泡灌洗收集回收液 ;采用TRAP -PCR -ELISA测定回收液中端粒酶活性 ;评价端粒酶活性诊断的效能并比较其和临床确诊、支气管镜诊断的两两关系。结果 :15例肺癌患者中端粒酶活性阳性 11例 ,阳性率 73% ,漏诊 4例 ,漏诊率 2 7% ;良性病变中端粒酶活性阳性 3例 ,误诊率 2 0 % ;诊断的敏感性和特异性分别为 73%和 80 % ,阳性预测值和阴性预测值分别为 78%和 75 % ,阳性似然比和阴性似然比分别为 3.6 5和 0 .338,诊断正确率为 77% ,阳性优势比为 3.5 5 ,Youden指数J值为 0 .5 3。端粒酶活性和临床确诊比较 χ2 =0 .14,P >0 .0 1;端粒酶活性和支气管镜诊断比较 χ2 =0 .5 ,P >0 .0 1。结论 :支气管肺泡灌洗液中端粒酶的检测可作为临床诊断支气管肺癌的一项辅助手段     

基于BP神经网络的挖掘机智能故障诊断知识库设计

介绍了基于BP神经网络智能故障诊断技术在贵阳矿山机器厂O.8m3.液压挖掘机故障诊断系统应用中系统故障诊断神经网络知识库设计的方法与步骤,结合液压泵子系统故障诊断实例详细阐述了智能故障诊断故障库设计过程中神经网络建立、训练样本获取及神经网络学习的具体方法.     

基于BP神经网络的故障诊断

本文论述了BP神经网络的结构和学习算法以及应用到故障诊断中的原理和过程。详细地分析了拖拉机变速箱的工作原理,并讨论了利用BP神经网络的优点,应用到该工程的故障诊断中。通过试验证明,基于神经网络的故障诊断已经逐步走向成熟。     

模糊Kohonen神经网络回热系统故障诊断

分析了汽轮机组回热系统12种典型故障及9种征兆参数的模糊处理,结合Kohonen神经网络的工作原理、诊断特征,提出了模糊Kohonen神经网络汽轮机组回热系统故障诊断模型.结果表明:该模型可以有效地进行回热系统故障样本模式的模糊量化处理,具有自学习功能、聚类能力强、运算速度快的优点,可以有效地对具有模糊性的单一故障和复合故障进行诊断,是一种适合于汽轮机组回热系统故障诊断的有效可行的方法.     

基于粗糙集和BP神经网络的心脏病病症诊断方法

提出了把粗糙集和BP神经网络结合应用于心脏病病症诊断的方法,用经Konhonen网络量化后的心脏病病人病症数据及诊断结果建立决策表,使用粗糙集理论进行属性约简,约简后的病症数据作为BP神经网络的输入,诊断结果作为BP神经网络的输出.通过实际病例的诊断表明,利用粗糙集和BP神经网络相结合的方法,可有效提高心脏病症诊断的精度和速度,同时也减少了检查项目,降低了诊断成本.