基于和声搜索算法的极限学习机网络优化

极限学习机(ELM)因其运算速度快、误差小等优点而得到广泛的应用,但由于随机给定输入权值和阈值可能导致隐含层节点无效,因此,ELM通常需要增加隐含层节点数来提高预测精度,从而导致网络泛化能力不佳。为了解决上述问题,提出一种和声搜索算法的极限学习机网络(HS-ELM),采用和声搜索算法不断调整ELM输入权值和隐含层阈值矩阵选取最优以达到优化网络的目的。最后通过两种复杂度不同的非线性函数拟合加以验证。结果表明,传统ELM网络平均预测误差为0.31×10-3%和1.6%,HS-ELM的平均预测误差为0.01×10-3%和0.4%。证明和声搜索算法优化后的ELM网络在同等情况下所需的隐含层节点数和预测精度均优于传统ELM网络的。     

提高预测精度的BP-ELman网络组合

为了消除BP网络模型的系统误差,本文提出用ELman对原有模型的预测结果进行多次校正以减小误差,并对股市收盘价数据进行了模型构造和预测,结果表明,BP-ELman组合神经网络不仅增强了网络的局部泛化能力,而且预测精度高于单一采用ELMAN网络或BP网络的精度.     

BP人工神经网络法研究PBDE_S类化合物的RRT

运用BP人工神经网络方法对PBDEs的相对保留时间(RRT)进行了QSPR研究.所建的BP人工神经网对PBDEs的RRT预测准确度非常高,网络训练误差几乎为0,网络回判MSE误差为0.003 9,明显低于逐步回归分析结果,独立检测集MSE误差为0.000 4,也很低,说明BP人工神经网具有较好的泛化能力.此方法得到的模型预测能力要优于逐步回归模型.     

基于PSO-RBF的边坡安全系数预测

传统的径向基函数(RBF)神经网络在边坡稳定性预测中已经得到了广泛的应用,但由于其在预测中易陷入局部最优且参数选取不当会对收敛性产生影响.故引入粒子群算法(PSO)对RBF神经网络进行优化,利用其全局搜索能力对RBF神经网络的隐含层基函数中心值、宽度以及隐含层至输出层的连接权值进行参数寻优,建立了基于PSO-RBF的边坡安全系数预测模型.以114组边坡数据为训练样本,8组边坡数据为测试样本,结果显示基于PSO-RBF网络预测结果的最大误差为7.36%、最小为0.18%、平均误差为3.77%,而基于单纯RBF网络的预测结果的相应误差分析别为11.04%、1.34%、6.19%.可以看出,前者的预测结果明显优于后者,表明经粒子群算法优化后的RBF在预测精度上有了明显的提高.     

支持向量机在机械设备振动信号趋势预测中的应用

将支持向量机（SVMs）用于机械设备振动信号趋势预测中，研究了SVMs参数及核函数类型对SVMs预测能力的影响．试验显示，在短期预测中4种核函数有着基本相同的预测能力，而在长期预测中，径向基函数核和多项式核表现出了相对较高的预测能力，同线性核和神经网络核相比，它们的归一化均方误差约降低了20％．SVMs与向后传播神经网络、径向基函数网络和广义回归神经网络预测能力的对比表明，实现了结构风险最小化原理的SVMs具有更好的预测能力，在长期预测中，其归一化均方误差约降低了15％。     

基于动态BP网络误差修正的广义预测控制

针对建模误差对非线性系统预测控制鲁棒性的影响，提出了一种基于动态Bp网络的广义预测控制算法。该算法运用动态Bp网络对模型预测误差进行在线补偿，以提高预测精度。仿真结果证明了本文提出的广义预测控制算法对于非线性系统是有效的。     

基于卡尔曼滤波的迟滞神经网络风速序列预测

通过将迟滞特性引入神经元激励函数的方式,构造了一种前向型迟滞神经网络模型.结合卡尔曼滤波方法,将其应用于风速时间序列的预测分析中.在原始风速时间序列的基础上,构造出风速变化率序列.采用迟滞神经网络分别对两种序列进行预测分析,并将预测结果利用卡尔曼滤波方法进行融合,从而得到最优预测估计结果.仿真实验结果表明,迟滞神经网络具有更加灵活的网络结构,能够有效改善网络的泛化能力,预测性能优于传统神经网络.采用卡尔曼滤波方法对预测结果进行融合后能够进一步提高预测精度,降低预测误差.     

非线性时间序列的重构及预测

采用自适应前馈网络算法(AFN)进行非线性时序预测，对网络结构设计进行详细的探讨，并应用该方法对经典非线性时间序列数据进行预测，与传统预测方法(TAR)比较，结果证明此种方法具有较好的效果，网络的结构得到了简化。不仅满足了误差目标的要求，而且提高了网络的推广能力。且AFN方法可以对时间序列数据间的关系给出一种基于贡献率的解释。     

QSAR结合人工神经网络预测磺酰脲类除草活性

采用误差反传前向人工神经网络模型研究了18种磺酰脲类化合物的结构与除草活性之间的关系.以18种磺酰脲类化合物的量子化学参数作为输入,除草活性作为输出,构建网络模型,取得了较好的预测结果.网络的自相容能力和交叉检验结果良好.该方法还可作为QSAR研究及对有机化合物其他性质进行预测的一种有效手段.     

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.     

人工神经网络方法在苯类衍生物常压沸点预测中的应用

采用误差反传前向人工神经网络模型,优选4个结构因子作为输入特征参数,对苯类衍生物的常压沸点进行预测,网络自相容能力检验及交叉检验结果良好.该方法可作为对有机化合物构效关系及其他性质进行预测的一种有效手段.     

RBF网络在取代苯胺和苯酚定量构效关系研究中的应用

采用径向基函数网络模型,对36种取代苯胺和苯酚类化合物的急性毒性进行预测,网络自相容能力和交叉检验结果良好.结果表明:①采用分子连接性指数、线性溶解能关系参数、正辛醇/水分配系数作为输入特征参数的神经网络预测结果优于仅采用分子连接性指数作为输入特征参数的神经网络预测结果;②采用分子电性距离矢量和正辛醇/水分配系数作为输入特征参数的神经网络预测结果优于仅采用分子电性距离矢量输入特征参数的神经网络预测结果.该方法还可望成为对有机化合物其它性质进行预测的一种有效手段.     

预测酵母(Yeast)基因转录因子结合位点

基于在转录因子结合位点各碱基出现的概率不相同,以转录因子结合位点每一位置的碱基保守程度为参量,分别计算每种转录因子结合位点在每一位置的碱基保守指数Mi.通过构建每种转录因子结合位点位置权重矩阵(PWM),利用位置权重矩阵打分函数对酵母四种转录因子结合位点进行预测.利用se lf-cons istency和cross-va lidation两种方法对此算法进行检验,均获得了较高的预测成功率.结果显示四种转录因子结合位点的预测成功率均超过80%,且同时获得多个试验未测定的转录因子结合位点,对实验有指导意义.     

采用BP算法的多层感知机模型的蛋白识别

采用误差反传(BP)算法的多层感知机模型,对嗜热蛋白和常温蛋白进行模式识别.通过增加训练数据及多种检验方法检验模型稳定性及泛化能力,探讨蛋白分子大小对识别效果影响.结果表明,当动态参数为0.2,学习速率为0.5,隐含层节点数为11时,该模型在自一致性检验、交叉验证和独立样本测试3种检验方法中的识别精度分别为91.5%,88.2%和92.1%,其表现优于一些常见的模式识别算法,且具有良好的稳定性及泛化能力.此外,对于较大的或者中等大小蛋白质分子,其识别的精度都较高;而对于较小的蛋白分子,其识别效果较差.     

Prediction of protein subcellular localization based on Hilbert-Huang transform

Using Hilbert-Huang transform, subcellular localization for prokaryotic and eukaryotic proteins was predicted and tested with Reinhart and Hubbard’s dataset. The prediction accuracy of prokaryotic and eukaryotic protein sequences concentrated in the dataset all reached 100% by self-consistency, 91.8% for the former and 88% for the latter by the five fold cross-validation test. A significant improvement in prediction quality by incorporating the spectrum parameters with the conventional amino acid composition was observed. One of the crucial merits of this approach is that many existing tools in mathematics and engineering can be easily applied in the predicting process. It is anticipated that digital signal processing may serve as a useful vehicle for many other protein science areas.     

基于加权支持向量机的膜蛋白类型预测中不平衡问题处理

针对膜蛋白类型预测中普遍存在的不平衡样本问题,分析一般支持向量机（SVM）在处理不平衡样本时的缺陷,引入加权SVM来补偿由于训练集中的类别差异引起的分类结果偏向于多样本类别的问题．采用统计预测中的一致测试、交叉校验和独立测试方法进行测试．实验表明,不平衡处理后的效果非常理想,该方法可以成为现有方法一个有效的补充分析工具．     

小鼠蛋白质亚细胞定位预测

在构建小鼠蛋白质亚细胞定位和小鼠跨膜蛋白类型数据库的基础上,利用离散增量结合协变判别函数分别对小鼠蛋白质亚细胞定位和小鼠跨膜蛋白类型进行了预测.对小鼠蛋白质亚细胞定位数据库,Self-consistency检验和Jackknife检验预测成功率分别达到99.0%和75.6%;对小鼠跨膜蛋白类型数据库,Self-consistency检验和Jackknife检验预测成功率分别达到85.6%和77.5%.     

革兰氏阴性菌中蛋白质亚细胞定位预测

根据革兰氏阴性菌蛋白不同亚细胞位置、其一级结构中氨基酸含量、氨基酸的关联性及亲疏水性的不同，利用最小离散增量的方法，分别以20个氨基酸组份、400个氨基酸二联体组份及氨基酸亲疏水性在蛋白质上的分布为参数构成离散源，对革兰氏阴性菌蛋白的5类亚细胞定位进行预测，分别用self—consistency方法和Jack-knife方法预测，均取得了较高的预测成功率．     

单原子状态自洽法的算法

针对传统的算法存在解的精度不高和计算时间长等问题,通过对单原子状态自洽法的算法进行分析,利用数值运算功能极强的MATLAB(MATrix LABoratory)为工具,以金属Cu为例,对确定晶体电子结构的计算方法单原子状态自洽法编程求解。研究结果表明:此法编程时间短,利用该编程求解,解的精度更高,计算效率提高了近100倍,便于引入其他性质,增强标定电子结构的准确性。