神经网络在心电图诊断技术上的应用

综述了近年来神经网络技术在心电图诊断中的应用成果，提出了应用神经网络进行心电图分类的主要技术问题，并指出神经网络和专家系统相结合，是医疗诊断技术的发展方向。     

基于神经网络信息融合技术的应用

本文在简述信息融合技术和BP诊断神经网络的基本概念之后，进行了BP神经网络信息融合故障诊断的应用研究，并将其应用到电路板元件故障诊断之中。从结果看，信息融合技术能较好地解决故障诊断的不确定性问题，是可行的和有效的。     

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。     

基于集成学习的束支传导阻滞识别方法

为提升基于心电图的左、右束支传导阻滞自动化诊断性能,提出了一种以多导联心电图卷积神经网络模型作为基学习器的集成学习诊断方法.首先从临床12导联同步静态心电图中提取出有效诊断导联数据并分割为若干个多导联单心搏数据切片.采用自助采样法抽取多个数据子集,并对每个子集以不同方式进行数据扰动后输入基学习器,得到相应的预测模型.然后以贝叶斯方法作为集成学习的结合策略融合多个模型进行预测.最后采用投票法结合1例心电图中的多个心搏分类结果给出诊断.实验结果表明,该方法具有较高的灵敏度和特异度,具有临床应用价值.     

抽油井示功图神经网络识别模型

以专家经验及大量的现场实例为基础，应用模糊数学与人工神经网络技术理论，建立了有限个精选井下示功图和反向传播的神经网络示功图识别模型．该识别系统可初步用于对现场实测示功图进行识别诊断，性能基本稳定，能有效地诊断抽油机的故障类型．     

轴向柱塞泵的故障诊断技术研究

选择了冶金工厂和工程机械中应用较多的轴向柱塞泵为研究对象，以计算机测试与分析技术为辅助，利用传统的频谱分析法和最新的神经网络分析法，分别对轴向柱塞泵进行了故障诊断，并就其故障诊断技术作了深入探讨和完善。     

抽油井示功图神经网络识别模型

以专家经验及大量的现场实例为基础，应用模糊数学与人工神经网络技术理论，建立了有限个精选井下示功图的反向传播的神经网络示功图识别模型，该识别系统可初步用于对现场实测示功图进行识别诊断，性能基本稳定，能有效地诊断抽油机的故障类型。     

神经网络在心肌梗塞诊断中的应用

目的：研究神经网络技术在心肌梗塞诊断中的应用。方法：使用改进的网络训练算法－ＳＰＤＳ方法,对前馈型神经网络进行训练,样本取自实际临床和一些具有权威性的刊物中,形成针对心肌梗塞诊断的神经网络系统,结果：用实际临床已确诊的１００例病例进行检验,诊断的敏感性为９０％,特异性为１００％,诊断准确性为７５％。结论：同目前实际临床的情况相比,结果良好,展现了神经网络技术用于医学诊断的良好前景。     

自反馈BP网云计算信息融合算法及应用

通过对BP网络的输入层节点增加了自反馈,使BP网络对历史数据具有了记忆功能,改进后的局部自反馈BP神经网络具有动态映射和处理历史数据的能力.使用该局部自反馈BP神经网络实现了多信息的融合算法;通过对工矿企业现场诊断技术、信息融合方法和物联网应用分析,设计了一个基于物联网的工矿企业现场诊断与管理系统,并将局部自反馈BP神经网络信息融合算法应用到基于物联网现场诊断系统的云计算层,为设备生产厂家和工矿企业应用物联网进行现场诊断与管理提供了一个解决方案.     

BP神经网络在诊断气象仪故障的研究

针对神经网络在气象仪故障诊断中的应用研究,提出了以神经网络技术为基准,针对气象仪常见的几类故障分别建立相对应的子神经网络,并总体组成一个神经网络系统来诊断气象仪的故障方法,以帮助维修人员快捷、准确、自动地诊断出故障原因,以降低故障处理时间,提高运行效率。     

设备与结构故障智能诊断研究

综述了近年来人工神经网络技术在机械设备故障诊断和结构损伤识别中应用的主要研究成果。分析了神经网络在故障诊断中存在的问题和改进方法,总结了基于神经网络的结构损伤识别中各种输入参数的选取及其优缺点,对基于神经网络的智能诊断的发展趋势进行了展望。     

动态心电数据的小波网络压缩算法

研究了心电信号的非平稳过程特性,从时间序列建模角度分析动态心电数据表示模型和压缩算法。采用小波网络作为建模工具,将原始心电数据映射为小波网络的参数作为数据重构信息,给出压缩/重建的实验结果并分析讨论。研究表明,小波网络压缩算法继承了小波变换和神经网络的优点。具有较好的压缩性能。     

神经网络在机械系统故障诊断中的应用

近年来，神经网络已成为当代人工智能研究领域的一个热点，工程界也表现了极大的热忱，期望它在解决一些长期以来用传统方法难以解决的问题方面能发挥突破性作用。本文较为详细地探讨了神经网络双向联想记忆法在机械系统故障诊断中的应用。研究表明，该法能大大提高故障诊断的智能水平和实时处理能力，为机械系统故障诊断开辟了一条新途经。     

基于神经网络的自适应故障模式分类方法

在深入研究ＡＲＴ－２神经网络结构的基础上，提出了一种基于神经网络的自适应故障模式分类方法，并应用在轴承故障诊断中，结果表明：该方法对轴承故障模式具有自学习，快速稳定的识别能力。     

基于径向基函数神经网络的胎儿心电提取

针对胎儿心电难以提取问题,提出一种从母体腹壁混合信号中提取胎儿心电的方法.利用径向基函数(radial basis function,RBF)神经网络估计母体心电信号传导至腹壁的非线性变换,将非线性变换后的母体心电信号从腹壁混合信号中减去,再通过小波包去噪技术抑制胎儿心电的基线漂移和噪声,得到清晰的胎儿心电.应用临床心电数据完成实验,在胎儿心电和母体心电QRS波完全重叠情况下,提取出清晰的胎儿心电.实验结果验证了方法的有效性.     

忆阻神经网络图像处理综述

忆阻神经网络能有效改善传统神经网络电路复杂、不易集成以及能耗大等不足。概述了忆阻器与忆阻神经网络,以及目前忆阻神经网络在图像处理方面的应用。基于忆阻特性,实现神经网络突触的动态可变,使忆阻神经网络比传统神经网络在图像处理领域具备更多优势且应用范围更广。同时,展望了忆阻神经网络未来发展前景。     

神经网络自适应共振理论应用于心电图QT间期自动检测的研究

介绍一种利用改进的ART(自适应共振理论 )人工神经网络检测心电图QT间期的方法 .用经过训练的ART网络对心电波形进行分类和识别 ,较准确的测出T波终点位置 ,从而提高QT间期检测的正确率 .该算法在一定程度上模拟了心电专家手工测量QT间期的过程 ,用于检测包括MIT心律失常数据库 (MIT/BIHArrhythmiaDatabase)在内的共近千个心跳波形 ,并以两位心电手工测量结果作为标准数据进行对比 .对比结果显示 ,我们的算法对单路心电波形自动检测的准确度与通常手工测量具有可比性 ,充分体现了人工神经网络的优越性 ,在要求自动检测大量数据的场合具有显著的应用价值 .     

改进的椭球单元网络及其在故障诊断中的应用

针对椭球单元网络在应用中存在的一些问题，提出了改进措施。这些措施主要围绕改进网络的分类能力和表达能力、合理确定网络结构、避免错误泛化等。通过进行聚类初始化处理和引入有界椭球，改进了BP算法；通过在网络训练过程中引入“节点分裂”和“节点修剪”机制，使得训练后的网络结构更为合理，能适应实际问题的需要；工建议在聚类样本送入网络训练前，先进行PCA处理，以确定更为合理的椭球轴向和降低椭球维数，进一步达到缩短训练时间、增强泛化能力的目的。在CSTR故障诊断中的应用表明：改进的椭球单元网络（BPE）具有任意的非线性分界能力、描述紧邻非线性界面的能力和避免对未知故障类空间进行任意划分的能力。     

基于遗传算法的WANN的汽车发动机故障诊断分析

利用基于遗传算法的全局优化能力,小波分析具有数据压缩和特征提取的特性,神经网络具有非线性映射和学习推理的优点.结合三者的特点,提出了一种基于遗传算法、小波与神经网络的汽车发动机故障诊断方法,应用汽车发动机的故障数据作为实例验证,GA-WANN模型诊断速度快,鲁棒性好,故障诊断正确率高.     

多级模糊神经网络在故障诊断中的应用

提出一种基于模糊神经网络的多级故障诊断系统,根据多级的需要,除了建立故障谱和识库外,还分别建立了频谱特征知识库、振动变化特征知识库和故障位置特征知识库,并对其主要功能做了比较细致和论述。文中特别对第1,3级采用的基于模糊组织径向基函数神经网络及第2级采用的模糊逻辑神经网络的学习算法做了较全面的论述,同时解决了模糊神经网络随着输入变量的增加,模糊规则呈指数增长带来网络训练的困难。通过试验,研究了该系统在某炼油厂重催化机组故障诊断中的具体应用。