保和颗粒联合雷火灸辅治小儿肠系膜淋巴结炎临床观察

目的:观察保和颗粒联合雷火灸辅治小儿肠系膜淋巴结炎(ML)的临床效果。方法:86例按随机数字表法分为两组各43例。两组均用常规西药治疗,观察组加用保和颗粒联合雷火灸治疗。结果:观察组总有效率高于对照组(P<0.05)。治疗后两组中医证候积分、Wong-Baker脸部疼痛量表(WB-FACES)评分及C反应蛋白(CRP)、降钙素原(PCT)水平均低于治疗前且观察组低于对照组(P<0.05)。两组均未见严重不良反应。结论:保和颗粒联合雷火灸治疗ML效果较好,且安全。

多维度课程思政元素挖掘方法研究——以“光纤通信”课程为例

对专业课程开展课程思政元素挖掘,是协同推进思政教育与专业教育的关键手段,也是提升育人成效、实现学生能力培养与价值观塑造的重要渠道。为改善传统课程思政元素采集方法存在的挖掘层次较浅、思政覆盖面窄等不足,对通信类课程的思政元素挖掘策略展开研究。以“光纤通信”课程为例,分别从纵向和横向对不同知识点的课程思政元素展开深入挖掘,采用故事讲述法和问题引导法对思政要点的学术价值和社会价值等进行探究,对思政元素的专业意义和教育意义展开分析对比。有效拓宽了专业课程思政教育的深度和广度,具有全面育人、全方位育人、思政效果明显等优点。

基于次序统计量像素灰度相似度的图像双边滤波

针对一般双边滤波器定义中的像素灰度相似度函数易受图像噪声影响,不能很好地表征像素之间的实际相似性的问题,设计了一个基于次序统计量的像素灰度相似度函数.基于图像中相邻像素之间的相关性,可近似地将某像素的1环邻域所有像素的灰度视为该像素灰度的n(n≤9)次观测值,并定义为n-次序统计量.依据两像素灰度的n-次序统计量的欧氏距离定义它们的灰度相似度.该相似度函数结合了像素1环邻域灰度分布的统计属性,能较好地抑制噪声的影响.仿真实验验证了所提出基于次序统计量像素灰度相似度的双边滤波算法具有良好的滤波特性.

MISO多元广义多项式神经网络及其权值直接求解

基于多元函数逼近理论,构建一种M ISO(Mu ltip le-Input,S ingle-Output)多元广义多项式神经网络。依据最小二乘原理,推导出基于伪逆的最优权值一步计算公式———简称为权值直接确定法;在此基础上,提出基于指数增长和折半删减搜索策略的隐神经元数自适应增删搜索算法。该新型神经网络具有结构简单的优点,其权值直接确定法、隐神经元增删算法可以避免冗长的迭代计算、局部极小点和学习率难选取等问题,同时解决了传统BP神经网络难以确定隐神经元数这一难题。仿真实验显示其具有训练速度快、逼近精度高和良好的去噪特性等特点。

基于学生教学评价的“科技论文写作”课程教学改革研究

阐述了“科技论文写作”课程实施教学改革的必要性,指出课程目前在教学成效上存在的问题,提出了基于课程思政教学理念的“科技论文写作”课程内容设计模式,对学生针对不同知识点的教学评价结果进行分析与对比。

基于广义多项式神经网络的点云数据隐式曲面重构方法

针对点云数据的三维重建问题,提出了一种隐曲面重构的广义多项式神经网络新方法。该广义多项式神经网络隐层各神经元激励函数互不相同且线性无关,能够对应地学习点云数据样本中不同的模式,因此,具有较好的学习能力。基于梯度下降法原理,推导了其学习算法。仿真实验尝试将该方法应用于一些简单封闭物体的带噪点云数据隐式曲面重建,取得了较理想的重建质量和去噪效果。

一种基函数神经网络最优隐神经元数目快速确定算法

以线性无关的基函数作为隐层神经元的激励函数,构建了一类基函数神经网络,且推导出该类神经网络的学习算法;在此基础上,设计了一种基于指数增长和折半删减的快速最小隐神经元数目确定算法.仿真实验表明,此算法能自适应地、快速有效地确定网络最小隐层神经元数目.

连续子邻域内的鲁棒双边滤波

提出一种连续子邻域内的鲁棒双边滤波算法(Robust Bilateral Filtering)。首先,利用自适应区域生长方法在图像局部邻域中分割出种子像素的连续子邻域;然后,在该连续子邻域中采用改进的双边滤波算法对种子像素值进行平滑处理。为了提高算法的鲁棒性能,类似非局域均值滤波算法(Non-Local Means Filtering),以像素空间临近度和像素局部窗口相似度定义该滤波器核函数。算法结合了双边滤波和非局域均值滤波的优点,且在连续子邻域内进行去噪处理相对可获得更为合理的图像效果。仿真实验表明,该算法具有良好的去噪效果,同时较好地保留了图像的细节特征。

基于相似像素选择的双边滤波图像去噪

针对双边滤波在一定程度上模糊了图像特征的缺陷,提出一种基于相似像素选择的图像双边滤波算法。该算法首先在图像中搜索所处理像素的邻域内所有相似像素(与其像素值相近的像素),然后依据相似像素占全部邻域像素比例,确定该像素为特征像素或非特征像素。对于特征像素,采用其相似像素进行双边滤波;对于非特征像素,采用全部邻域像素进行双边滤波。仿真实验表明,该算法相对一般双边滤波,能够在去除噪声的同时,更好地保持图像特征。

基函数神经网络逼近能力探讨及全局收敛性分析

构建一类新型基函数神经网络。依据梯度下降法思想,给出该神经网络的权值迭代公式,证明迭代序列能全局收敛到网络的最优权值,并由此推导出基于伪逆的最优权值一步计算公式——简称为权值直接确定法。理论分析表明,该新型神经网络具有最佳均方逼近能力和全局收敛性质,其权值直接确定法避免了冗长迭代计算、易陷于局部极小点、学习率难选取等传统BP神经网络难以解决的难题,仿真验证显示其相对BP神经网络的各种改进算法具有运算速度快、计算精度高等优势,且对于噪声有良好的滤除特性。

广义多项式神经网络及其结构自适应确定

在前向神经网络模型的基础上,构建了一类新型广义多项式神经网络,依据BP神经网络梯度下降法的思想,给出该神经网络的权值迭代修正公式,并在此基础上建立其结构自适应确定算法,并进行仿真实验.结果表明,该神经网络计算精度高、能自适应地确定网络结构.

复指数Fourier神经元网络隐神经元衍生算法

以平方可积空间上的复指数Fourier级数作为激励函数构造了新型Fourier神经元网络,并推导出采用加号逆表示的网络权值直接确定公式,克服了传统BP神经网络收敛速度慢、易陷于局部极小点、迭代学习易发生振荡等缺陷。并在此基础上构造了隐神经元衍生算法,克服了传统BP神经网络难以确定最优网络拓扑结构的缺点。理论分析及仿真实验表明,该复指数Fourier神经元网络能够一步计算网络最优权值且能自适应调整网络结构,对随机加性噪声具有抑制作用,并能高精度逼近非连续函数。

Hermite前向神经网络隐节点数目自动确定

从函数逼近论出发,构造了一类以Hermite正交基为激励函数的前向神经网络.在保证网络逼近能力的前提下,令其输入层至隐层的权值和各神经元阈值分别为1和0,导出了基于伪逆的隐层至输出层最优权值的直接计算公式.并针对Hermite前向神经网络,提出一种依照学习精度要求而逐次递增型的隐节点数自动、快速、准确的确定算法.对多个目标函数的计算机仿真和预测结果表明,该神经网络权值直接确定方法和隐节点数自动确定算法能很快地找到最优的隐节点数及其对应的最优权值,且网络具有较好的预测能力.

样条神经网络的权值直接确定法

根据样条逼近理论和神经网络原理构造了一种样条神经网络模型,以一组样条基函数作为隐神经元的激励函数。依据误差回传(BP)思想推导出该网络模型的权值修正迭代公式,利用该公式迭代训练可得到该网络的最优权值。而对于构造的具有特定网络结构的样条神经网络,依据伪逆思想提出了一种直接计算权值的方法,从而避免冗长的迭代训练过程。仿真结果表明该权值直接确定法不仅能一步确定权值从而获得更快的运算速度,而且能达到更高的计算精度。

Fourier三角基神经元网络的权值直接确定法

根据Fourier变换理论,本文构造出一类基于三角正交基的前向神经网络模型。该模型由输入层、隐层、输出层构成,其输入层和输出层采用线性激励函数,以一组三角正交基为其隐层神经元的激励函数。依据误差回传算法(即BP算法),推导了权值修正的迭代公式。针对BP迭代法收敛速度慢、逼近目标函数精度较低的缺点,进一步提出基于伪逆的权值直接确定法,该方法避免了权值反复迭代的冗长过程。仿真和预测结果表明,该方法比传统的BP迭代法具有更快的计算速度和更高的仿真与测试精度。

基于Zernike 矩相似度联合的图像滤波

非局域均值滤波(non-local means filtering, NLMF)采用图像块间灰度差测度像素间相似性,由于灰度差易受噪声影响,这种相似性测度缺乏鲁棒性。图像块的Zernike矩是块内像素灰度的统计量,且具有旋转无关特性,能在抑制噪声的情况下较好地描述图像块特征。由图像块的各阶Zernike矩差代替灰度差可定义Zernike矩相似度;联合各阶Zernike矩相似度经加权平均可估计出所处理像素的灰度。仿真实验及分析表明文中算法相比直接采用灰度差定义相似度的算法,能更好地去除噪声,获得更高的峰值信噪比(PSNR)。

基于人工神经网络的牡蛎蛋白酶解动力模型的构建

以牡蛎分离蛋白为底物,采用碱性蛋白酶(Alcalase)进行酶解,在获得一定实验数据基础上利用训练后的人工神经网络(ANN)模型对牡蛎分离蛋白酶解过程进行预测。结果表明:训练后的ANN模型决定系数R2达到0.9998,人工神经网络预测水解度DH值和实验DH值之间具有很强的相关性,相关系数r值达到0.9957。并且在一定的酶浓度及底物浓度范围内,采用ANN预测数据,双倒数作图所得回归方程决定系数R2值达到0.9740,计算得米氏常数Km和最大反应速度V max分别为26.1g/L,8.6g/(L·min)。研究结果为人工神经网络模型在食品蛋白酶促反应动力学方面的应用提供参考。

基于混沌控制系统的神经网络异步加密

将Chebyshev神经网络模型作为混沌控制系统辨识器,任选系统初值和非线性、非周期性控制律,通过Chebyshev混沌神经网络产生混沌序列,求出该序列的排序置换及逆置换,对明文置换后即可得密文,密文逆置换即可还原得到明文。理论分析和加密实例表明,该加密算法可异步进行,且只需改变系统初值和控制律,便可获得不同的混沌序列,从而实现"一次一密"加密,具有良好的安全性。

滑动窗Walsh基函数神经网络检测电能质量扰动

为了能够准确实时检测出电力系统中存在的电能质量扰动,提出了一种自适应确定隐神经元数及修改权值的自适应Walsh基函数神经网络时频分析方法。在此基础上采用加滑动窗的方法,根据不同时刻不同基上的权值能量分布信息检测电能质量扰动的特征,实现了对电能质量扰动的实时检测。实验仿真显示该基函数神经网络有较好的逼近能力和滤噪特性,对于电能质量扰动信号的实时检测效果较好。

权值可直接算出的Legendre神经网络之隐节点数自动确定

隐神经元数目的确定在神经网络学习过程中有着重要的意义.然而,目前,还没有相应的确定性理论指导隐神经元数的设计.针对Legendre前向神经网络,在基于伪逆的权值直接确定法的基础上构造出一种神经网络隐节点数自动确定的算法.仿真结果显示该隐节点数自动确定算法能较快地找到最简化结构Legendre前向神经网络的隐节点数.