基于SOM神经网络的教学认知诊断模型研究

认知诊断模型在评估知识点依赖关系松散型学科知识状态时,因其生成的可达矩阵较为稀疏,易导致认知诊断的效率和准确度降低。而自组织映射(Self-Organizing Maps,SOM)神经网络可在不考虑知识点依赖关系的情况下,通过自动发现样本中的内在规律和本质属性,实现对学生知识状态的分类与评估。基于此,文章构建了基于SOM神经网络的教学认知诊断模型,在“大学英语视听说”课程中开展了此诊断模型的教学应用,并从诊断结果、学习成效、满意度三个方面进行了应用效果分析,结果表明:诊断模型用于知识点依赖关系松散型学科时,能够通过自组织聚类消除学生答题过程中的误差,精准、高效地分类评估学生的知识状态;诊断模型有助于教师实施有针对性的补救教学,在提高学生的学习效率和避免成绩的两极化方面效果显著;学生对诊断模型的整体满意度也较高。文章的研究丰富了教学认知诊断理论,可为个性化学习、精准补救教学提供诊断方法和实践经验。

考虑替代性的SOM神经网络卷烟配方模块分类方法研究

为了提高模块替代决策效率和整个卷烟制造系统柔性与生产效率,提出了一种基于替代度的SOM神经网络模型对卷烟配方模块进行分类,并与历史替代统计结果进行比对。结果表明,替代度能较好地衡量模块间的替代程度,替代度越大,每个类别中的各项质量指标一致性越强,模块质量越相似,越推荐进行相互替代;在以不同替代度标准取值对卷烟配方模块进行分类时,替代度标准值越大,分类越细,选择替代度标准值为3.06作为卷烟配方模块强替代性的标准进行分类时是最合适的,此时每个类别中卷烟配方模块质量具有较高的相似性。基于替代度的SOM神经网络分类结果显示,发生类内替代的比例明显优于一般SOM神经网络算法、两阶段聚类算法和K-means聚类算法,当替代度标准值为3.06时,类内相互替代率可达95.39%,而类间替代率不足5.00%,相同类别模块替代率良好。

基于SOM3.4.2平台的iLoboke仿真足球机器人研究

2015年,iLobokeⅠ首次以标准化产品的形态推向市场,其搭载全局视觉、决策调度、无线通信和车载控制系统等先进技术,通过足球对抗的形式,实现高速动态下的多机器人协同。随着科技的不断进步,iLoboke足球机器人在2018年已经升级到第四代产品。这一代产品更加开放,支持更广泛的扩展编程,为用户提供更多的自由度和创造力。无论是足球领域还是其他领域,机器人的应用将逐渐渗透到人们的生活中,为我们创造更便利的生活和更广阔的发展空间。该文旨在利用SOM3.4.2平台,对iLoboke足球机器人控制进行研究,利用微粒算法规划移动路径,实现机器人在仿真环境中的足球运动,科学高效地预判传球。

鼻内镜下腺样体切除术对SOM患儿并发症的影响

目的探讨鼻内镜下腺样体切除术在分泌性中耳炎(SOM)患儿中的应用效果。方法选择2019年1月至2022年5月收治的SOM患儿94例,根据随机数表法将其分为参考组和观察组,每组47例。参考组采用鼓膜置管术治疗,观察组予以鼻内镜下腺样体切除术联合鼓膜置管术治疗治疗。观察2组听力水平[听性脑干反应(ABR)阀值、ABRI波潜伏期]、疗效、炎性反应[C-反应蛋白(CRR)、肺瘤坏死因子α(TNF-α)]、复发及并发症发生情况。结果2组术后12个月ABR阈值和ABR I波潜伏期水平均较本组术前低,差异有统计学意义(P<0.05),但2组间比较差异无统计学意义(P>0.05);观察组总有效率稍高于参考组,但2组差异无统计学意义(P>0.05);2组术后3 d的血清CRP、TNF-α水平均低于本组术前,且观察组较参考组低,差异有统计学意义(P<0.05);观察组术后12个月的病情复发率及术后12个月内的并发症发生率均明显较参考组低,差异有统计学意义(P<0.05)。结论鼻内镜下腺样体切除术联合鼓膜置管术治疗SOM患儿的疗效确切,能够减轻SOM患儿炎性反应,并可减少病情复发及并发症发生率。

融合SOM神经网络与K-means聚类算法的用户信用画像研究

为提高现阶段基于K-Means聚类算法的用户信用画像模型的准确性和实时性,提出一种融合自组织映射(SOM,Self-Organizing Map)神经网络与K-Means聚类算法的改进方法。通过SOM对用户数据进行降维和特征提取,直接获得最优聚类数目后再用K-Means算法进行聚类分析。通过真实在线借贷平台数据对所提方法进行验证,结果表明,该方法可提升用户信用画像分析的质量,更好地满足金融数据分析中对实时管理和风险控制的要求,为金融机构提供精准的决策支持。

基于mRMR-SOM的异步电机轴承故障诊断研究

针对异步电机轴承故障诊断问题,提出了一种融合最大相关最小冗余特征选择算法(mRMR)和自组织映射神经网络(SOM)的故障诊断方法,并将其应用于轴承故障诊断的不同阶段。首先,在实验室环境下搭建了异步电机故障诊断试验平台,在不同电机状态下分别采集振动、电流和电压信号,利用统计学方法获取了高维混合特征集;然后,以互信息为背景,利用mRMR根据特征与状态标签间的相关性和特征间的冗余性,筛选了具备强区分能力的特征,以避免计算冗余和后验诊断性能下降;最后,采用SOM对异步电机健康和轴承故障状态进行了分类识别,验证了SOM对异步电机轴承故障诊断的有效性,以及mRMR对故障诊断结果的影响。研究结果表明:基于mRMR-SOM的异步电机轴承故障诊断方法能够准确地区分健康和故障状态,测试集分类准确率达到89%;使用mRMR特征筛选能够将154维特征降低至17维,缩短23.5%的网络收敛时间,并将分类准确率由89%提升至98%;试验结果验证了基于mRMR-SOM的异步电机轴承故障诊断方法对于异步电机轴承故障诊断问题的有效性,且证实其具备良好的诊断效果。

茶树炭疽菌CfSOM1基因的鉴定与生物信息学分析

Som1是cAMP-PKA信号途径下游的一个转录因子,在病原真菌发育和致病过程中可能发挥重要作用。为探究茶树炭疽菌SOM1基因的潜在功能,通过生物信息学方法在茶树炭疽菌N425基因组中鉴定SOM1同源基因,并对其编码蛋白的亲缘关系、理化性质、功能域和互作蛋白等进行分析。结果显示:在茶树炭疽菌N425基因组中鉴定得到一个SOM1同源基因CfSOM1,其编码蛋白CfSom1共含839个氨基酸,包括1个HTH二级结构、1个LisH结构域和2个NLS序列;CfSom1与炭疽菌属中的同源蛋白亲缘关系最近,与酵母菌中同源蛋白的亲缘关系最远;CfSom1被预测与6个核孔蛋白、c AMP依赖蛋白激酶催化亚基CpkA、拓扑异构酶II关联蛋白Ldb1、含WD结构域蛋白Swd1、Uba ts-n结构域蛋白Swa2、转录因子StuA和Cdtf1存在互作关系。这些研究成果将为后续展开对CfSOM1在茶树炭疽菌侵染茶树过程中的功能研究奠定基础。

基于特征子空间的SOM天基状态检测算法

在天基信息网中,资源监控系统采集到的性能指标数据量大、冗余特征较多,导致状态检测准确率低、检测时间长等问题。针对以上问题,提出了基于特征子空间的SOM状态检测算法。将特征提取算法嵌入到SOM神经网络模型中,使得网络在训练的同时提取每个类别对应的属性特征,构成状态对应的特征子空间。并利用状态的特征子空间计算特征对于类别的贡献度,优化SOM神经网络的目标函数,进而提高模型对卫星计算任务执行单元状态检测的速度与准确率。仿真了在不同状态检测模型下的检测准确率、检测灵敏度以及检测时间。结果表明,提出的状态检测模型在检测准确率、检测灵敏度以及检测时间等方面都具有较好的性能。

矿区土壤SOM含量的遥感估算和时空动态变化分析

在煤炭开采过程中,由于矿区地表土壤结构发生变化,地表的养分、水分含量减少,从而引起土壤SOM含量(Soil Organic Matter)的含量减少。基于使用了TM(Thematic Mapper)数据作为SOM含量的遥感数据源,同时利用了MODIS(Moderate-resolution Imaging Spectroradiometer)数据进行SOM含量的估算,并对SOM含量的时空动态变化进行分析。结果表明,使用MODIS数据作为SOM含量的遥感数据源可以获得准确可靠的结果。

云制造下基于时空熵权TOPSIS和SOM聚类的区域绿色制造发展水平测度研究

当前,中国正经历以数字化和绿色化为主题的第四次工业革命时期。在数字经济腾飞,智能制造转型的浪潮中,各地制造业积极响应国家号召,涌现出不少新兴智能绿色制造企业。本文通过时空熵权TOPSIS评价法对2012~2021年中国30个省份的绿色制造水平进行了测度,构建了绿色排放、绿色质效、科技创新、资源利用、绿色治理五个维度的指标。研究发现:1) 在东、中、西部地区中,东部地区绿色制造发展水平常年处于领先水平,而中、西部地区相对较低,其中,“四绿”的建设发展是影响区域绿色制造发展水平的重要因素;2) 整体趋势显示,2012~2015年,不论是东部还是中西部地区,绿色制造发展指数呈下降趋势,直到2016年,“绿色制造”概念的提出及“四绿”建设扭转了这一趋势,缓解了经济发展与环境保护矛盾;3) 历年绿色制造发展水平可划分为四个梯队,第一梯队数量逐年增加,但第四梯队仍较高,主要集中在中、西部,尤其是西部,中、西绿色制造发展水平不足问题依然突出。最后,论文提出了云制造资源优化配置的管理建议。

无限可能 斯洛伐克SOM设计师品牌集合店

在设计师品牌集合店SOMSTORE的室内设计中,“×”是一个与时尚有关的、贯穿整体的概念元素。它代表着很多可能性,概念店×本地时尚、内向×外向、本土化×国际化……SOMSTORE是一个概念店,展示了来自斯洛伐克和捷克时尚设计师的作品。内向型×外向型。SOMSTORE是一个涵盖各种品牌和设计师的多品牌店,其建筑解决方案是为了让每个时尚设计师都有自己独立的空间。在店内,设计师采用内向型和外向型主题,通过转动墙壁,客人穿行其中,空间将逐步展示每个设计师的系列。

基于SOM-FDA利用XRF对药品铝塑包装片的分类

建立了一种对药品铝塑包装片进行快速分类的方法。利用能量色散型X射线荧光光谱(XRF)仪,对47种不同的药品铝塑包装片样品进行了检验,结合自组织映射(self organizing map,SOM)神经网络聚类,通过最大相关性最小冗余(maximum relevance minimum redundancy,MRMR)算法对元素重要性进行排序,并利用最近邻(K-nearest neighbor,KNN)分类器处理样品数据。依据样品中所含元素的种类及质量分数的不同,对药品铝塑包装片进行区分。SOM神经网络聚类的结果为9类,KNN分类器的准确率为97.87%。X射线荧光光谱法操作简便快速、无损检材、灵敏度高。建立的分类模型科学准确,可为公安机关大规模筛选、确定侦查方向、缩短侦查时间提供帮助。

研究慢性分泌性中耳炎(SOM)使用地塞米松经鼓膜穿刺和经咽鼓管给药方案治疗的临床效果

本研究的目的是探究地塞米松在治疗慢性分泌性中耳炎(SOM)患者时,经鼓膜穿刺和经咽鼓管给药两种不同给药途径的临床效果。方法 为此,本院自2020年5月至2023年5月期间选取了100名SOM患者参与研究。这些患者被随机分为两组,每组50例,均接受地塞米松治疗。其中,一组患者采用经鼓膜穿刺给药(观察组),另一组则采用经咽鼓管给药(对照组)。结果 经过治疗后的对比分析,结果 显示观察组的总有效率明显高于对照组,且复发率和不良反应发生率均较低(P<0.05)。此外,在治疗前,两组患者在2kHz、4kHz和8kHz气、骨导阈值水平和气骨导差以及水通道蛋白1(AQP-1)和AQP-4等指标上并无显著差异(P>0.05)。然而,在治疗后,观察组的2kHz、4kHz和8kHz气导阈值水平显著降低、气骨导差明显减小,同时AQP-1和AQP-4指标明显提高(P<0.05)。结论 经鼓膜穿刺给予地塞米松表现出良好的临床效果,有助于改善患者各频率的气导阈值,减小气骨导差,并促进AQP水平上调。此外,经鼓膜穿刺给药还可降低药物治疗不良反应的发生率和复发率。这一疗法值得在临床实践中借鉴。

基于主成分和SOM聚类分析的高粱品种萌发期抗旱性鉴定与分类

采用人工气候箱内培养皿培养,PEG-6000溶液模拟干旱胁迫环境,在萌发期以80、120、150和175 g L–1PEG-6000水溶液处理31个高粱品种,旨在根据高粱品种萌发期对不同干旱胁迫程度的响应,筛选出具有抗旱能力的高粱品种并探讨高粱萌发期抗旱性鉴定的方法。通过主成分分析法(PCA)和神经网络自组织映射(SOM)聚类分析法对各高粱品种进行抗旱性综合分析与评定。PCA结果表明,相对芽长、相对根长和相对萌发抗旱指数载荷量最大,将其作为萌发期高粱抗旱性筛选的主要评价指标,并对31个高粱品种抗旱性排序。通过SOM聚类分析将31个高粱品种按抗旱性强弱分为5类,吉杂305等4个品种为高度抗旱品种,HL5等4个品种为抗旱品种,辽杂10号等8个品种为中等抗旱品种,锦杂103等7个品种为干旱敏感品种,锦杂93等8个品种为高度干旱敏感品种。研究认为,相对芽长、相对根长和相对萌发抗旱指数等可以作为高粱品种抗旱性鉴定的重要指标;SOM聚类分析可作为品种抗旱性分类的重要方法。

基于Relief特征量优化及SOM网络的断路器操作机构状态评估

为提高断路器操作机构状态评估的效率及准确性,文中提出了采用Relief优化方法对分合闸线圈电流特征向量进行优化及SOM网络对线圈电流样本进行分类的高压断路器操作机构状态评估方法。仿真研究结果表明:基于Relief的分合闸线圈电流特征向量优化方法和SOM网络分类方法的操作机构状态评估能够实现操作机构状态的准确评估,同时采用优化后的电流特征向量数据进行状态评估减小了运算量和缩短了运算时间,提高了断路器机构状态评估的效率。

基于SOM聚类的数据挖掘方法及其应用研究

传统的聚类算法如Kmeans等,往往需要事先定义聚类数目。在实际应用中,多基于经验知识来确定类别个数,而且一般需要多次尝试,这种方法具有很大的盲目性。本文提出一种基于SOM的聚类算法,利用SOM的可视化功能和人眼在低维情况下对模式的快速识别能力来避免传统聚类算法确定聚类数目的盲目性。将提出的方法应用于某电信公司客户分群的实际问题当中,来刻画客户组的个性行为特征,以便销售人员制定针对性的营销策略,具有重要的实际意义。

汽轮发电机多故障诊断的SOM神经网络方法

汽轮发电机组的振动故障具有多样性的特点,经常出现多种故障同时发生的情况。传统的BP神经网络方法可对单一故障有效诊断,若要对多故障进行诊断,则需对各种多故障样本进行学习,使输入空间在训练过程中被样本空间完全覆盖,将大大增加样本空间及学习训练负担,同时网络归纳、联想能力随之大幅度下降,诊断难以实施。因此,将自组织特征映射 (SOM)神经网络应用于汽轮发电机组的振动多故障诊断,用单一故障样本对网络进行训练,根据输出神经元在输出层的位置对多故障进行判断。经实例分析证明,该方法可对多故障进行有效诊断。

原空间中的核SOM分类器

自组织特征映射 (SOM)是Kohonen提出的一种人工神经网络模型 ,其整个学习过程是在输入样本空间内进行 ,并以欧氏距离为度量 .这将导致当输入样本分布结构呈高度非线性时 ,其分类能力下降 .核方法通过核函数实现了一个从低维输入空间到高维特征空间的映射 ,从而使输入空间中复杂的样本结构在特征空间中变得简单 .Donald等人通过核映射将低维输入空间中的非线性问题变换至高维特征空间中 ,从而使SOM聚类形成于映射后的高维特征空间中 .但其缺点是失去了对原输入空间聚类中心及结果的直观刻画 ;本文采用核方法的目的是为原输入空间诱导出一类异于欧氏距离的新的距离度量 ,并使原SOM成为特例 .而核的多样性进一步可诱导出原空间中不同的度量 ,导致各种对应SOM分类器的生成 .最后 ,本文侧重通过几种经典的核函数在Benchmark上的试验 。

SOM法金属氧化物制取金属新技术

以MgF2-CaF2为熔盐电解质，利用固体透氧膜（SOM）法直接电解还原Ta2O5和TiO2制备了金属钽和钛，分析了制样压力和电解温度对阴极产物形貌的影响以及电流的变化规律．结果表明：SOM法直接制备金属钽和钛的电解速度快，电流密度高，合理的制样压力为250～332MPa，电解电压为3．2～3．8V，电解温度在1373～1432K之间。该方法较FFC有诸多优点，用于对我国各类稀有难熔金属矿资源进行开发利用，具有好的发展前景．

一种广义S变换及模糊SOM网络的电能质量多扰动检测和识别方法

针对暂态电能质量电压多扰动信号的检测与分类问题,提出一种基于广义S变换及模糊SOM神经网络的暂态电能质量检测和识别方法。针对常见的电压多扰动信号,特别是两种扰动叠加的情况,采用广义S变换对扰动信号的时频特征进行提取,并取变换后的时间幅值平方和均值和特征频点作为神经网络的输入样本,采用模糊SOM神经网络进行训练,再用新的多扰动数据进行网络检验。仿真与实验结果表明,广义S变换能有效提高电能质量多扰动特征检测,模糊SOM神经网络能精确对其进行分类,该方法能够较好的解决电压多扰动叠加情况的定性和定量分类问题。