前反馈神经网络模型在预测本院急诊处方量中的应用效果

目的探讨前反馈神经网络在本院急诊处方量预测分析中的应用。方法根据本院急诊2012至2018年的处方量及本地区天气情况和流行病发病率情况,采用Excel处理数据后使用R软件建立神经网络模型,并使用2019年处方量数据进行模型验证。结果使用神经网络预测模型实际处方数和预测处方数的趋势一致,均方差(MSE)为19399.51,平均绝对误差百分比(MAPE)为9.13%,能较好的模拟实际处方量。结论神经网络预测模型能较准确预测多种因素影响的非规律性的处方量,有利于降低医院管理成本和提高医疗服务质量。同时,该模型对单品种的适用性及更加友好界面的设计有待进一步讨论。

基于小波神经网络的六相永磁同步电机高阻连接状态感知策略

六相永磁同步电机具有缺相运行能力,因此必须对其高阻连接状态作出精准预判,以确保对故障线路实施有效切断,防止系统扰动引起保护误动作,并为容错控制提供可靠判据。基于矢量空间解耦方法建立了六相永磁同步电机完全解耦的数学模型,并建立其控制系统模型。采集正常状态与高阻连接状态下的电机信号,通过小波包分解提取其能量距特征,输入前向反馈神经网络进行离线训练,最后将其应用于剧烈变化工况下,在线感知高阻连接状态的发展态势。基于Matlab进行仿真,结果表明所提策略能够有效识别高阻连接状态,灵敏感知其发展态势,并在高阻故障发生前发出预警信号,同时对剧烈变化工况具有一定鲁棒性。

无人机辅助的基于前馈神经网络的节点定位算法

针对无线传感网络(WSNs)的节点定位问题,提出无人机辅助的基于前馈神经网络的节点定位(UAV-NN)算法。UAV-NN算法利用无人机(UAV)作为锚节点,并由UAV周期地发射beacon信号,利用极端学习机(LEM)训练单隐藏前向反馈的神经网络(SLFN),未知节点接收来自UAV发射的beacon信号,并记录其接收信号强度指示(RSSI),已训练的SLFN再依据RSSI值估计节点位置。仿真结果表明,相比于传统的基于RSSI定位算法,提出的UAV-NN算法无需部署地面锚节点;相比其他传统的机器学习算法,UAV-NN算法通过引用ELM,减少了定位误差。

多层前向神经网络建模及其在火电厂系统辨识中的应用

本文采用前向反馈型神经网络 ,建立了一个火力发电厂双输入双输出系统的辨识模型。利用MATLAB5 .3神经网络工具箱编程 ,以湖南湘潭电厂一台 30万千瓦机组的输入输出参数的实测数据作为学习样本训练网络模型 ,并在训练好的模型基础上给出了系统多步步长的预测结果及调门开度的单位阶跃响应曲线。结果表明这种方法收敛速度快、误差小、精度高 。

一种简化的BP神经网络图像插值算法

为进一步提高图像插值质量,丰富非线性图像插值算法研究,提出一种简化的神经网络插值算法。利用前向反馈神经网络(BP-NN)构造最佳的图像插值模型,通过2组实验确定该模型的BP网络最佳拓扑结构、最佳采样模型和采样点数量,并定量描述每组模型的耗时。实验结果表明,对512×512像素图像采用BP-NN训练点数量为50 000、拓扑结构为8-16-1的参数插值时,该算法平均插值时间约为0.7 s,且其峰值信噪比比线性均值方法平均高1 dB^2 dB,能够得到更佳的视觉感受。

一种分区BP人工神经网络图像差值算法

为了提高图像插值质量,利用前向反馈人工神经网络(BP-ANN)的自学习、自适应和泛化能力,开展分区BPANN图像差值研究.将图像中待插值像素划分为光滑区和边缘区,每个区分别对应1个BP-ANN进行图像差值操作,并通过3组实验确定分区BP-ANN的网络结构、采点模式和插值流程.结果表明,采用8-16-1拓扑结构的BP-ANN算法可达到图像的可视化质量和时间之间的最佳平衡点;与经典线性均值(LA)图像插值算法相比,分区BP-ANN算法在保持最佳视觉效果的前提下,峰值性噪比高约0.593 8dB.

基于BP神经网络的浙江省公路运输量的预测

本文在对浙江省公路运输量时序分析的基础上利用BP神经网络进行预测 ,得到了精确度很高的预测结果 ,改变了过去一直使用灰色预测、回归预测、指数平滑法等方法的局面 ,为浙江省公路运输量的预测提供了新方法。

基于时间序列奇异谱特征的Φ-OTDR扰动检测方法

相敏光时域反射系统异常灵敏,对环境中声波、空气流动及瞬时高频噪音等干扰源同时敏感,环境干扰与入侵非线性混叠时,实际入侵检测与识别困难,容易频繁误报.本文提出一种基于时间序列奇异谱特征的扰动检测方法,对每个滑动时间窗内空间各点的纵向时间序列信号进行相空间重构,对重构后的相空间状态矩阵进行奇异值分解得到信号能量的奇异谱分布,然后将奇异谱特征向量输入后向传播神经网络进行扰动事件检测.实验结果表明,该方法能够有效排除声波及瞬时高频噪音等干扰信号的影响,在微风等有干扰的环境下,在14km处正确检测率为90%,误警率低于2%.

基于车内噪声水平的路面预养护指标阈值确定方法研究

为了消除车内噪声对人心理和生理的危害,提出了一种基于车内噪声水平的沥青路面预防性养护指标阈值的确定方法。通过多层前向反馈神经网络构建了车内噪声和国际平整度指数的关系模型;依据噪声分级和危害标准,确定了国际平整度指数指标预防性养护的噪声阈值标准;对比分析了国际平整度指数指标预防性养护的规范阈值标准和噪声阈值标准的养护需求。结果表明,前向反馈神经网络能够较好地根据车内噪声水平预测沥青路面国际平整度指数。噪声阈值标准相对于规范阈值标准,对沥青路面国际平整度指数提出了更高的要求。