基于野韭菜挥发性成分的色谱保留指数神经网络预测

为研究野韭菜挥发性成分的性质,预测其色谱保留指数,运用 ＭＡＴＬＡＢ相关自编程序计算得到了野韭菜挥发性成分的分子形状指数和电性拓扑态指数,将这两类参数作为分子结构描述参数,借助多元逐步回归法优化筛选了其中结构参数^２Ｋ、^３Ｋ、^４Ｋ、Ｉ２和 Ｉ６,建立了野韭菜挥发性成分色谱保留指数的 ＱＳＲＲ模型,相关系数为 ０９６３,通过对模型的稳定性和预测能力进行检验,检验的相关系数 ｒ基本也稳定在 ０９６３左右。用这 ５个筛选出的结构参数作为人工神经网络的输入层参数,采用 ５ ２ １的网络神经结构,利用 ＢＰ算法建构神经网络模型,总相关系数达到 ０９９６的优级相关,利用此模型计算得到的预测值与实验值吻合度较为理想,相对平均误差仅为 １６７％,结果显示 ＢＰ神经网络所得结果优于多元线性回归方法。     

人工神经网络用于苯砜基羧酸酯定量结构-活效关系研究

采用误差反传前向人工神经网络（artificial neural network,ANN）建立了56种苯砜基羧酸酯类化合物的结构与其对发光菌的急性毒性之间的定量关系模型（ANN模型）．以56种苯砜基羧酸酯类化合物的量子化学参数作为输入,急性毒性作为输出,所构建网络模型的交叉检验相关系数为0．9863、标准偏差为0．0753、残差绝对值≤O．20,应用于外部预测集,预测集相关系数为O．9880;而多元线性回归（multiple linear regression,MLR）法模型的相关系数为0．9472、标准偏差为0．1413、残差绝对值≤0．34．结果表明：ANN模型获得了比MLR模型更好的拟合效果．     

CRT显示器色空间变换方法的比较

分别采用多项式拟合、三维查找表和神经网络方法,建立CRT显示器设备颜色空间RGB与输出CIEXYZ色空间的非线性对应关系。完成了设备颜色显示的特征化。对两个常用的显示器进行了实验,并进行色差分析,比较三种方法的精确度。实验结果表明。对常用显示器的特征化,多项式拟合的方法精度较低;曼维查找表和神经网络技术可以满足精度要求,其中神经网络方法最具优势,GIELab平均色差为0．23-3．71。     

基于BP人工神经网络的大气颗粒物PM10质量浓度预测

根据2008年长沙市火车站监测点全年大气PM10及气象参数的小时平均数据,建立BP人工神经网络预测模型,预测PM10小时平均浓度。为证明人工神经网络模型用于预测PM10质量浓度的准确性,研究中考虑2种预测模型:多元线性回归模型与人工神经网络模型。研究结果表明:与传统的多元线性回归模型相比,人工神经网络模型能够捕捉污染物浓度与气象因素间的非线性影响规律,能更好地预测PM10质量浓度,拟合优度R2有较大提高;所选取气象参数及污染源强变量能较准确地描述大气PM10质量浓度的实时变化,用于PM10质量浓度的预测准确度较高,整体R2可达0.62;人工神经网络预测模型不仅适用于一般污染浓度情况,对于高污染时期PM10质量浓度的预测也较为准确。     

基于谱相关和神经网络的信号调制识别

由于通信信号的体制及调制及调制方式的复杂多样,通信信号调制类型的识别显得尤为重要和迫切.基于调制信号的谱相关特征,提取了5个特征参数,给出了各个参数随信噪比变化的曲线图.分类器采用RBF神经网络,并从提高网络识别性能出发,构建了大容量和高质量的网络训练样本,能够扩大识别范围,提高识别精度.基于谱相关特征参数和RBF神经网络结合的算法能动态识另q信号的调制方式,仿真结果表明:该算法在低信噪比下能取得较高的正确识别概率.     

基于遗传算法优化BP神经网络的TIG焊缝尺寸预测模型

建立了4-12-4结构的误差反向传播(BP)神经网络.以训练样本预测误差作为适应度函数,采用具有全局寻优功能的遗传算法得到最优化的BP神经网络的权值和阀值.以TIG焊接工艺参数电弧长度、保护气流量、焊接电流和焊接速度作为网络输入,焊缝的上余高、下余高、上焊宽和下焊宽作为网络的输出,优化后的BP网络模型具有良好的泛化能力和预测能力.     

基于支持向量机的模糊小波神经网络

针对高维输入小波网络的初始参数和网络结构非常复杂且计算量大的问题,提出用支持向量机(SVM)确定小波网络的初始参数和网络结构的方法。首先,使用有监督模糊聚类算法从聚类中抽取模糊规则,然后对每一个规则的后件使用支持向量机方法确定小波网络的结构和初始参数,最后采用梯度下降方法调节模糊小波网络中的参数,使得模糊小波网络输出与期望输出之间的误差较小。仿真结果表明:该算法与传统的模糊神经网络(FNN)相比显著提高了分类精度。     

人工神经网络在镍基高温合金设计中的应用

在大量镍基高温合金试验数据的基础上，利用人工神经网络来建立数学模型，提出将部分合金成分及其温度、应力和对应的蠕变断裂寿命作为网络输入，其他合金成分作为网络输出，然后用这个模型来按要求的性能设计合金成分的含量，获得了比较满意的结果，为镍基高温合金的设计提供了一种新的手段。     

智能压路机压实模糊神经网络控制及仿真

将模糊系统与神经网络相结合,提出了一种由模糊化层、模糊推理层和清晰化层组成的模糊神经网络结构,并将其用于智能压路机压实控制.针对振动压路机的压实性能要求,采用钟型函数作为隶属度函数,通过计算规则重要度来提取模糊推理层规则群中比较重要的规则,运用补偿模糊神经网络的学习算法解决参数的自动调整问题.把工程实践中得出的模糊控制规则表作为训练模糊神经网络的样本,仿真结果表明该模糊神经网络控制器具有在误差限度范围内的泛化能力.     

疾病费用预测的建模分析

根据重庆市某三级甲等医院2012年1月至2014年12月5种常见疾病（糖尿病、甲状腺功能亢进、顺产、肠息肉、脑梗死）的月人均治疗费用数据,采用BP 神经网络模型、广义回归神经网络模型、灰色GM（1,1）模型以及非线性回归模型,分别预测2015年1月至8月5种疾病的月人均治疗费用的变化情况,并与真实费用数据进行对比,判断4种模型预测的准确程度。结果表明：BP神经网络模型、广义回归神经网络模型、灰色GM（1,1）模型、非线性回归模型预测5种疾病的可决系数R2最小分别为0．278、0．565、0．048和0．097,最大分别为0．826、0．901、0．600和0．747;与2015年1月至8月的真实费用数据比较,4种模型预测的相对误差最小分别为9．845％、3．507％、5．897％和3．642％,最大分别为15．450％、13．940％、30．518％和17．204％。其中广义回归神经网络在疾病费用的预测结果相对于其他模型更准确。     

基于MLP神经网络的超宽带信号自适应识别算法的研究

提出一种利用人工神经网络进行超宽带信号调制模式自适应识别的方法。采用三层MLP神经网络进行调制模式识别。首先对超宽带数字调制信号进行统计特征参数提取,特征参数作为MLP网络的输入层神经元参数,隐含层是双层结构。实验证明,当中间层采用正切型激活函数、输出层采用线性激活函数时,MLP分类器的识别性能最好。在5 dB信噪比环境下,算法的正确识别率高于95%。与传统的统计判决方法相比,神经网络分类器不需要设定判决门限就能实现自适应识别,并且达到更好的识别率,解决了软件无线电系统中的超宽带信号自动识别的问题。     

基于配线法的BP神经网络求解Theis模型

利用非稳定流抽水试验资料确定含水层水文地质参数的配线法在具体应用中存在较大的随意性,用一种改进的反向传播(BP)神经网络方法来进行承压完整井非稳定地下水运动Theis公式中的水文地质参数识别,在一定程度上解决了现有的BP神经网络方法求解含水层参数中存在训练区间选择、网络拓扑结构复杂、网络泛化性能较低和过度拟合等问题.实例计算结果表明,提出的基于配线法的BP神经网络是求解水文地质参数的一种高效方法,对其他水文地质问题求解具有推广应用价值.     

Ti-15-3合金再结晶组织的预测

通过热模拟压缩试验和定量金相法研究了热变形参数对Ti-15-3合金固溶处理过程中再结晶组织的影响规律。随着变形温度的降低、变形程度和变形速率的增大,再结晶晶粒尺寸减小,再结晶体积分数增大。采用人工神经网络的方法建立了再结晶晶粒尺寸和再结晶体积分数的预测模型。预测结果与实测结果吻合较好,表明该方法对Ti-15-3合金热变形固溶处理后的再结晶组织具有良好的预测能力。这对于制定其合理的热加工工艺、保证产品质量具有重要意义。     

n组元网络随机连接特性研究

介绍了以ＲＡＭ实现的人工神经元和网络，着重分析了以随机方式连接的网络形态及其动态特性。概率分析结果表明，其动态特性可以预测，从而为网络自适应行为提供了一种测试手段。     

基于小波变换和神经网络伺服控制系统的设计

提出了基于小波神经网络控制的无刷电机控制系统新方法,该方法使用三层前馈式人工神经网络,采用基于梯度下降纠正误差法在线训练更新网络参数,使用离散小波变换的时频特性和连续小波变换检测信号边沿的原理进行无刷电机运行状态和故障状态的检测以便能实时保护.仿真结果表明该方法能大大改善调速系统的静态、动态性能,具有优良的控制效果,小波检测灵敏度高,对噪声有较高的鲁棒性,具有广阔的应用前景.     

人工神经网络预测离子色谱分离条件

 以EDTA为淋洗液,用均匀试验设计法研究了高Cl^-浓度下Cl^-与NO₂^-,NO₃^-的分离条件.将实验条件和实验结果作为BP神经网络的训练集,同时对网络的结构和训练速率进行筛选和优化.经过2567次训练后,网络训练误差达到10^-5.对训练结果的考察表明,人工神经网络以较少的实验数据成功建立了离子色谱分离条件的预测模型,最大相对误差仅为0.85%.     

基于神经网络的电参数反演载荷算法

提出一种基于神经网络的抽油机载荷反演算法,从电机输入电功率和载荷输出非线性逼近的角度建立高维输入输出系统模型,通过对网络误差的负梯度反馈,自动调整权值参数,求解电参数到载荷的映射网络. 通过实测数据软件仿真,算法能实现电参数到载荷之间的非线性拟合,误差小于10-3,相关系数达到0.95以上.      

ICP-MS分析复方甘草口服溶液中15种元素

建立电感耦合等离子体质谱(ICP-MS)法测定复方甘草口服溶液中15种元素(Cr、Mn、Co、Ni、Cu、Zn、As、Cd、Sn、Sb、Ba、Hg、Pb、Al、Fe)。样品经微波消解后,根据待测元素的质量数选择相应元素作为内标,采用碰撞模式(氦模式)进行测定。结果显示,15种元素线性关系良好,相关系数均大于0.999,各元素的检出限在0.08～38.00ng·mL~(-1),回收率在88.57%～107.10%(n=6)。该方法操作简便,分析速度快,灵敏度高,线性范围宽,可同时测定多种元素,适用于复方甘草口服溶液中元素的测定。     

基于分布式协同求解技术的CMM检测路径神经网络优化

针对三坐标测量机，提出了一种基于分布式并行协同求解技术的检测路径神经网络优化方法，其目标是针对生成检测路径所涉及的多个不确定因素进行全局优化，获得无碰撞干涉的最短路径．为此运用了多智能主体协同求解、产生式规则推理和人工神经网络模拟退火算法等多学科综合技术，以满足复杂形状零件在线检测的需要．主要对该系统的组织结构、算法和实现进行了论述     

Artificial neural network approach to assess selective flocculation on hematite and kaolinite

Because of the current depletion of high grade reserves, beneficiation of low grade ore, tailings produced and tailings stored in tailing ponds is needed to fulfill the market demand. Selective flocculation is one alternative process that could be used for the beneficiation of ultra-fine material. This process has not been extensively used commercially because of its complex dependency on process parameters. In this paper, a selective flocculation process, using synthetic mixtures of hematite and kaolinite in different ratios, was attempted, and the adsorption mechanism was investigated by Fourier transform infrared (FTIR) spectroscopy. A three-layer artificial neural network (ANN) model (4-4-3) was used to predict the separation performance of the process in terms of grade, Fe recovery, and separation efficiency. The model values were in good agreement with experimental values.