采用表面肌电信号的手指关节角度精确感知方法

针对目前采用肌电信号的手指关节角度连续解码误差较大,导致肌电假肢手运动效果较差的情况,提出了一种应用表面肌电信号、深度回归森林模型和人工神经网络相结合的手指关节角度连续精确感知方法。首先,应用基于滑动时间窗的特征提取器从前臂8个通道的肌电信号中各提取7种肌电信号特征(肌电信号的平均绝对值、积分肌电值、均方根、波形长度、对数特征、过零点数、斜率符号变化数),输入深度森林回归模型得到具有较大波动的掌指关节估计角度;然后,采用人工神经网络对这些掌指关节估计角度进行优化,以创建一种深度森林回归模型与人工神经网络相结合的综合回归模型;最后,利用该综合回归模型对采集到的表面肌电信号进行连续精确解码,得到肌电假手掌指关节角度控制量,其余手指关节角度可通过比例控制得到。采用所提方法进行实验验证,结果表明：所提方法的平均轨迹跟踪精度比传统高斯过程方法提高了42%,达到82.12%,证明所提方法对基于肌电信号的手指关节角度估计具有非常优良的效果。     

城市污水量预测模型及方法综述

预测污水量是城市排水系统的规划、设计、运行和管理所需要的基本数据.为了获得合理的污水量预测值,目前常用的污水量预测模型和方法,包括回归分析法、系统动力学法、ARMA模型、灰色模型、BP人工神经网络法和指标分析法等,同时讨论了这些模型和方法的原理及其应用,并论述了各类模型和方法的“优缺点”.     

人工神经网络用于Zn-27Al合金中Mg含量设计

以Ｚｎ－２７Ａｌ合金中Ｍｇ的含量与抗拉强度及延伸率之间的实验数据为样本，建立了根据机械性能设计该合金Ｍｇ含量的人工神经网络模型。实验结果表明，在材料设计中人工神经网络是一种比回归分析更好、更实用的设计方法。     

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。     

用统计学方法优化硝苯地平脂质体处方

采用乙醚注入法制备硝苯地平脂质体,在单因素实验基础上用Box-Behnken设计实验,并用统计学方法考察磷脂量、脂药比和胆固醇磷脂比对脂质体包封率的影响.结果表明:多元二次回归模型最优处方制备的硝苯地平脂质体平均包封率为86.54%;人工神经网络模型结合遗传算法最优处方制备的硝苯地平脂质体平均包封率为97.25%;与二次回归模型相比,人工神经网络模型更适于优化硝苯地平脂质体的制备.优化后得到最佳制备处方为:磷脂量612.4mg,脂药比为60.02,磷脂胆固醇比为6.401.     

基于人工神经网络模型的油气管线点腐蚀蚀坑深度的预测

作者设计了反向传播人工神经网络模型来预测油气管线点腐蚀蚀坑深度。用"留一法"训练了神经网络模型,使其具有最佳的预测性能。然后用经过训练的模型预测了一些样本的点腐蚀蚀坑深度。用散点图和三个统计学指标—均方误差(MSE)、相对均方误差(MSRE)和拟合分值(VOF)评价了人工神经网络模型的预测性能:散点图显示蚀坑深度的预测值与测试值符合程度较高;均方误差(MSE)值为0.0389mm,相对均方误差(MSRE)值为1.32%,拟合分值(VOF)的值为1.9992。从总体上看,人工神经网络模型具有较高的预测精度。     

产品需求量非平稳时序的ANN-ARMA预测模型

针对基于非平稳时序的产品需求量预测方法存在的问题,研究了人工神经网络(ANN)与自回归滑动平均(ARMA)模型的集成建模与预测方法. 产品需求量的非平稳时序可分解为确定项和随机项两个部分,用人工神经网络模型拟合确定项,以表示非平稳的变化趋势;用自回归滑动平均模型拟合随机项,以表示平稳的随机成分. 将两个模型的预测值之和作为产品需求量的优化预测值. 仿真结果表明,集成模型的预测精度高于单一的人工神经网络模型.     

利用说话人自适应实现基于DNN的情感语音合成

为了提高情感语音合成的质量,提出一种采用多个说话人的情感训练语料,利用说话人自适应实现基于深度神经网络的情感语音合成方法。该方法应用文本分析获得语音对应的文本上下文相关标注,并采用WORLD声码器提取情感语音的声学特征;采用文本的上下文相关标注和语音的声学特征训练获得与说话人无关的深度神经网络平均音模型,用目标说话人的目标情感的训练语音和说话人自适应变换获得与目标情感的说话人相关的深度神经网络模型,利用该模型合成目标情感语音。主观评测表明,与传统的基于隐马尔科夫模型的方法比较,该方法合成的情感语音的主观评分更高。客观实验表明,合成的情感语音频谱更接近原始语音。所以,该方法能够提高合成情感语音的自然度和情感度。     

基于人工神经网络及非线性回归的岩爆判据

采用人工神经网络和非线性回归方法研究岩爆判据研究.首先利用人工神经网络对原始样本进行量化,然后对量化后的样本数据进行非线性回归分析,获得新的岩爆判据公式.研究结果表明:此岩爆判据公式具有较高的预测精度.     

丙泊酚闭环控制系统的设计与仿真

如何实现麻醉药的精确自动给药是神经工程和临床上一个挑战性的难题.采用计算机模拟麻醉过程中的药物效应和控制性能对于实际系统的设计具有重要的价值.本文建立了一个虚拟病人数据库来测试控制系统应对病人间差异性的能力.并提出采用Renyi排序熵作为麻醉深度监控指标,根据Renyi排序熵的变化调控丙泊酚的输入速度.针对病人个人化模型进行辨识问题,在辨识模型的基础上采用模型预测控制设计控制器进行控制.控制系统性能采用误差、中值性能误差、绝对中值性能误差和摆动度4个指标对结果进行分析.仿真结果表明本系统可以很好地跟踪期望的Renyi排序熵,并维持所需麻醉深度.     

基于Dropconnect的CorrelationNet预测乘客出租车需求

为了提高乘客出租车需求预测的准确性以及出租车服务的运行效率,提出一种使用Dropconnect方法的CorrelationNet。该方法包括两个阶段,时空特征选择和Dropconnec正则化。首先,预测模型在深度神经网络中添加了时空相关性分析机制,并确定了用于出租车需求预测的时空特征,形成了新的深度学习网络CorrelationNet。然后,预测模型使用Dropconnect训练新的深度学习网络CorrelationNet,以减少过拟合。最后,在广州进行了应用试验以验证模型;采用支持向量机回归(SVR)、人工神经网络(ANN)和CorrelationNet方法,用相同的出租车GPS数据集来评估所提出方法的性能。实验结果表明,该方法优于其它几种方法,更适合于乘客出租车需求预测。     

基于深度神经网络的智能推送系统研究

为了提高推送系统的可扩展性和推送精度,结合深度神经网络技术,探讨智能推送系统的设计和实现.设计基于二次多项式回归模型的特征表示方法,通过对传统矩阵分解算法进行改进,可以更准确地获得潜在特征.将这些潜在特征视为深度神经网络模型的输入数据,采用深度神经网络用于预测评分.通过在真实数据集上与其他推送算法进行比较,验证了本系统的有效性.     

三种不同麻醉药对SD大鼠肝移植手术麻醉效果的比较和应用

目的比较氯胺酮、戊巴比妥钠和水合氯醛对SD大鼠的麻醉效果,选择合适的剂量方法用于大鼠肝移植。方法将60只SD大鼠分为3组,每组20只,按常规剂量对3种麻醉药物的效果和对生理指标的影响进行比较。在取得经验后,对102只肝硬化模型SD大鼠,根据动物的肌体状况,降低剂量实施麻醉和肝移植手术。结果使用3种麻药均能使健康大鼠达到麻醉效果,麻醉操作的繁易程度和持续时间及副作用各不相同。在进行肝移植手术时,从戊巴比妥钠腹腔到水合氯醛腹腔麻醉,均使用低剂量或更低剂量,动物苏醒快,效果好。结论在大鼠肝移植等复杂手术过程中选用低剂量麻醉能顺利完成操作,获得良好的康复。     

纸浆卡伯值光学测定中化学计量学方法的应用

用多元线性回归、逐步回归分析、主成分回归分析和人工神经网络这四种化学计量学方法处理蒸煮液的光谱数据,通过蒸煮液的吸光度来预测纸浆的卡伯值,结果显示：四种方法所确立的测量模型均具有较好的学习精度和预测精度,其中尤以人工神经网络模型同时具有较高的学习精度和预测鲁棒性。     

基于模糊BP神经网络的水质评价

在BP网络模型基础上构建了隶属度BP网络模型,针对模型特点,建立了水质评价标准指标矩阵,并采用扩展方法构建了网络训练样本,将所建立的模型应用于佛山某污水处理厂的出水口水质评价,应用模糊隶属度方法实现水质级别评价,可以简明地表示水质接近于某类标准水质的程度。研究表明,本算法使评价的结果更具体准确、更符合评价水体水质情况,...     

空中交通流量预测的人工神经网络和回归组合方法

为了寻找合适的空中交通流量预测方法,在综合回归预测方法和人工神经网络预测方法优点的基础上,提出采用组合预测方法的思想,并基于多元线性回归模型确定组合方法的权重系数。以北京管制区大王庄导航台流量预测为实例,分析结果表明:组合预测方法对实际流量有好的拟合度,能提高人工神经网络的泛化能力,并减小预测的误差,即总体上不仅优于传统的回归预测方法,也优于单独的人工神经网络预测方法。组合方法为空中交通流量的预测提供了一种可靠而有效的新途径。     

基于多元线性回归的PM2.5 含量的影响因素研究

针对PM2.5含量的影响因素,利用搜集到的2015年1月1日至7月31日蚌埠地区每日的AQI指数和AQI六项基本监测指标数据,建立了多元线性回归模型,对PM2.5含量与其它5项分指标及其对应污染物含量之间的关系进行定量研究,并通过拟合优度检验、F检验、t检验等方法对模型进行检验,最后得到了准确可靠的多元线性回归模型,此模型具有拟合程度高、简易、直观等优势,为多元线性回归模型在PM2.5含量分析中的应用提供了有力参考。     

立体视频质量客观评价方法研究

提出1种部分参考立体视频质量评价方法.首先,在立体视频传输系统的发送端提取参考立体视频的特征信息,将其通过无损的辅助信道传输;然后,在接收端计算失真立体视频的局部结构相似度以及清晰度,并结合运动权重得到立体视频的全局质量结构相似度指标、清晰度指标和深度结构相似度指标;最后,通过回归分析,赋予各指标不同的权重,从而建立部分参考立体视频质量客观评价模型.实验结果表明,所提立体视频质量客观评价模型与主观实验结果具有很好的一致性,而且符合人眼视觉特性,为立体视频领域的发展提供了新的理论依据.     

人工神经网络构造经济预测模型方法的探讨

探讨利用人工神经网络建立经济模型的一般原理和方法,并通过构造一个宏观经济模型的实例加以说明.与传统的回归分析方法相比,人工神经网络具有良好的适应性和分析预测能力.     

嘧啶(硫)醚类除草剂的非线性QSAR研究

在进行分子力学和量子化学计算的基础上,采用人工神经网络方法对40种嘧啶（硫）醚类除草剂进行了非线性QSAR研究,得出了影响它们除草活性的重要特征指标,结合量子化学研究结果,提出了该除草剂与受体相互作用的初级模型。