采用遗传-反向传播人工神经网络法构建新疆地区癫痫患儿拉考沙胺血药浓度预测模型

目的:利用遗传-反向传播(GA-BP)人工神经网络法构建新疆地区癫痫患儿拉考沙胺(LCM)血药浓度的预测模型。方法:采用超高效液相色谱法测定400例癫痫患儿的LCM稳态血药浓度,收集患儿临床资料,提取相关数据,采用GA-BP人工神经网络法构建LCM血药浓度的预测模型。结果:模型验证结果显示,80例预测浓度的平均预测误差(MPE)绝对值均<10%,预测误差(PE)绝对值<20%的比例是100%,PE绝对值<10%的比例是92.50%,平均预测绝对误差(MAE)为2.28%,提示GA-BP模型预测的准确度和精密度均较好,预测浓度和实测浓度的相关系数为0.998,预测结果较理想。结论:应用GA-BP人工神经网络法预测LCM血药浓度是可行的,可应用于LCM个体化给药研究,促进临床合理用药。

反向传播-人工神经网络在辐照黑椒牛肉品质预测中的应用

为探究不同辐照处理对贮藏过程中黑椒牛肉品质变化的影响,建立基于理化指标的多种品质预测模型。3~4 kGy的辐照剂量能够有效延缓黑椒牛肉在贮藏过程中的汁液流失、脂质氧化和蛋白质降解,保持其硬度和微观结构,在一定程度上增加呈鲜味(Asp)和甜味(Gly、Ala、Ser)游离氨基酸的含量。以辐照黑椒牛肉的汁液流失率、硫代巴比妥酸反应产物值、总挥发性盐基氮值、原肌球蛋白条带强度比率、肌球蛋白重链条带强度比率和总游离氨基酸含量为输入变量,优化了反向传播-人工神经网络(backpropagation-artificial neural network,BP-ANN)模型。训练函数为ReLU函数,隐藏层神经元个数为14个,迭代次数100次。结果表明,6-14-6 BP-ANN模型可以较好地预测辐照黑椒牛肉的品质变化,该模型在预测辐照肉制品的多种品质方面具有很大潜力。

反向传播人工神经网络结合正交试验优化荷叶降脂方的提取工艺

目的:使用反向传播(BP)人工神经网络结合正交试验优化荷叶降脂方中药物的提取工艺,为药物的规范化生产和产业化形成提供可靠的研究基础。方法:采用水回流提取法提取,以荷叶碱的含量为评价指标,以正交试验设计筛选提取工艺,并将正交试验层次分析法得到的实验数据作为反向神经网络的输入层,评价指标的综合得分作为网络的输出层,对主要影响因素进行仿真优化,得到最优提取工艺。结果:优化得到的提取工艺条件为12倍量水、提取3次、0.5 h/次。结论:BP人工神经网络结合正交试验方法可用于荷叶降脂方提取工艺的优化,科学合理,稳定可行,符合中药制剂研发的需求。

变量重要性-反向传播人工神经网络辅助激光诱导击穿光谱测定铁矿石中硅、铝、钙和镁含量

快速准确测定铁矿石中的硅、铝、钙、镁含量对铁矿石质量评价具有重要作用。受制于多变量分析方法过拟合现象以及不同种类样品基体效应,使用激光诱导击穿光谱(LIBS)准确测定铁矿石中硅、铝、钙、镁含量仍然是当前存在的挑战。采用变量重要性-反向传播人工神经网络(VI-BP-ANN)辅助LIBS定量分析铁矿石中硅(以SiO_(2)计)、铝(以Al_(2)O_(3)计)、钙(以CaO计)和镁(以MgO计)的含量。在这项研究中,收集了12种244批铁矿石代表性样品的LIBS光谱,优化了光谱预处理方法,使用随机森林(RF)对LIBS光谱特征的重要性进行了测量,使用袋外(OOB)误差优化RF模型参数,变量重要性阈值用于优化BP-ANN校准模型的输入变量。变量重要性阈值和神经元数量通过五折交叉验证(5-CV)的测定系数(R^(2))和均方根误差(RMSE)进行优化。结果显示测试样本SiO_(2)、Al_(2)O_(3)、CaO和MgO含量预测均方根误差(RMSEP)分别为0.3772 wt%、0.1339 wt%、0.0592 wt%和0.1411 wt%,R^(2)分别为0.9701、0.9554、0.9871、0.9975。相比于使用相同的预处理方法作为PLS、SVM、RF和BP-ANN四种模型的输入,VI-BP-ANN在校准集和预测集都显示出出色的预测能力。结果表明LIBS与VI-BP-ANN的结合有潜力在实际应用中实现铁矿石硅、铝、钙、镁含量的快速准确预测。

紫外可见吸收光谱结合主成分-反向传播人工神经网络鉴别真假蜂蜜

研究紫外-可见吸收光谱技术结合化学计量学方法鉴别真假蜂蜜。根据蜂蜜中果糖和葡萄糖的典型质量比1.2:1.0,配制与真蜂蜜相近的掺假溶液,并以5%～20%的比例掺入真蜂蜜中。获取纯正蜂蜜和掺假蜂蜜的紫外-可见吸收光谱,选择最佳敏感波段250～400 nm的吸光度值进行主成分分析(PCA),优选主成分作为反向传播人工神经网络(BPANN)的输入向量。输出结果显示,校准集和预测集的准确鉴别率均为100%;对应的均方根误差分别为8.523×10-3和8.961×10-3。研究结果表明,基于PCA-BPANN的紫外-可见吸收光谱技术能够方便、快速、准确地鉴别真假蜂蜜,为食品质量的快速检测提供可靠参考。

HPLC指纹图谱结合反向传播人工神经网络和判别分析鉴定不同的麻黄药材

采用HPLC-UV测定36个麻黄药材的指纹图谱,应用化学计量学进行图谱预处理和数据预处理,建立并验证不同种类、不同产地和不同采摘时间的麻黄药材的反向传播人工神经网络(back-propagation artificial neural network,BP-ANN)和判别分析(discriminant analysis,DA)判别模型.研究结果显示,所建BP-ANN模型的预测准确率为83.3%～94.4%、DA模型的性能指标为82.8%～88.5%,可见所建方法能有效判别不同种类、不同产地和不同采摘时间的麻黄药材.该方法基于麻黄药材物质基础的整体性质,判断客观,为其他药材的分析提供了参考.

基于八角红外光谱的反向人工神经网络鉴别

采用傅里叶红外光谱法(FT-IR)获取样品红外指纹图谱,利用人工神经网络误差反向传播算法(BP-ANN)建立八角茴香(Illicium verum Hook.f.)的红外指纹模型。结果表明,该方法可有效鉴别八角茴香和伪八角,与传统鉴别方法结果基本一致,但更直接和快速。该方法可为八角茴香的鉴别提供借鉴和参考。

正交试验联合反向传播人工神经网络优选熄风止动颗粒提取工艺

目的:优选熄风止动颗粒的提取工艺。方法:采用正交试验联合反向传播人工神经网络(BP-ANN)的方法,以天麻素含量与干膏率的综合评分为指标,对熄风止动颗粒提取工艺的加水量、提取次数及提取时间进行优化,最终确定最佳提取工艺。结果:筛选得到最佳提取工艺为处方量药材加水浸泡1 h后,回流提取2次,第1次提取加水14.4倍量(按干药材质量计),第2次提取加水11倍量,每次提取75 min。结论:正交试验联合BP-ANN优选出的提取工艺提取效率高、能耗低、稳定可靠,可为熄风止动颗粒的工业化生产提供实验依据。

利用粒子群算法优化反向传播人工神经网络模型预测熏肠中4种多环芳烃含量

构建基于粒子群优化(particle swarm optimization,PSO)算法的反向传播人工神经网络(back propagation artificial neural network,BP-ANN)预测模型,对熏肠中4种多环芳烃(polycyclic aromatic hydrocarbons,PAHs)(苯并(a)芘、苯并(a)蒽、苯并(b)荧蒽、䓛)含量进行预测。以烟熏温度、烟熏时间、肥瘦比和熏肠色泽(红绿值和黄蓝值)作为BP-ANN模型的输入层参数,熏肠的4种PAHs含量作为输出层参数,通过PSO-BP-ANN模型来优化初始权重和阈值,以获得最佳参数。结果表明:构建的PSO-BP-ANN熏肠PAHs含量预测模型均方误差为0.018,模型的训练、验证、测试和全局数据集的相关系数(R^(2))分别为0.951、0.929、0.933和0.940,均优于BP-ANN模型,使用PSO-BP-ANN模型具有更好的准确性和鲁棒性。

用变化的降雨—径流资料通过反向传播人工神经网络模拟径流

用变化较大的、精度不高的数据组建立多层反向传播神经网络（BPANN）模型，用以模拟印度纳尔默达河两个小流域Banjar～Hridaynagar和Narmada-Manot的3种时间尺度（周、10d、月）的降雨径流过程。采用梯度下降优化技术建立BPANN径流模型，并通过交叉检验进行概化。用变化相对较大、精度不高的数据资料建立起来的BPANN，在几乎所有情况下，计算迭代次数较少，概化程度较高。计算结果表明，BPANN模型的性能优于线性转换函数模型（LTF）。

人工神经网络误差反向传播法测定复方苯甲酸涂剂中苯甲酸与水杨酸的含量

目的 对紫外光谱重叠的复方苯甲酸涂剂进行多组分不经分离的含量测定。方法 采用人工神经网络误差反向传播方法 (BP)对复方苯甲酸涂剂进行含量测定。结果 当网络隐蔽层的节点数为 5 ,以 9个节点输入时 ,苯甲酸与水杨酸的平均回收率分别为 10 5 .0 %和 10 2 .0 % ,RSD分别为 1 5 %和 2 0 %。结论 该方法简便、快速 ,测定结果准确。

基于反向传播人工神经网络对SiC氧化反应行为的预测研究

以SiC为代表的非氧化物耐火原料作为高温结构材料重要组分,被广泛应用于冶金高温行业。在实际应用过程中,SiC的氧化行为加速了对应耐火材料的高温性能失效,导致其服役寿命大大缩短。因此明晰非氧化物耐火原料在高温环境下的氧化行为尤为重要,利用动力学模型分析氧化行为是目前最常用的手段。但动力学模型的建立往往需要大量的数据处理工作,且很难同时满足描述准确性高和模型参数简单两个条件。随着人工智能与大数据技术在材料领域的应用探索,反向传播人工神经网络(BP-ANN)有望在此方面取得突破。本文以典型非氧化物耐火原料SiC为例,通过建立神经网络,训练、预测SiC的氧化行为,预测结果与实验数据的相对误差均小于3%,用预测数据回归计算的反应活化能和反应速率常数与实验数据计算结果的相对误差低于4%,表明BP-ANN在研究非氧化物耐火原料的氧化行为方面具有巨大应用前景。

人工神经网络算法在岩土工程中的应用分析

人工神经网络算法作为一种机器学习技术,能够模拟人类大脑的生理结构及工作机制。文章对人工神经网络算法的类别和工作原理进行了分析阐述,重点对分别属于前反馈型模型、后反馈型模型及自适应竞争模型的反向传播人工神经网络算法、Hopfield神经网络算法和自组织映射人工神经网络算法进行介绍,进而分析上述三种人工神经网络算法在岩土工程中的实际应用。人工神经网络算法能对土壤进行准确分类,对岩石进行准确分组,并准确预测岩石和土壤形变,对边坡的稳定性和路基沉降的预测准确性高,在岩土工程中有重要的应用价值。

人工神经网络分类鉴别苦丁茶红外光谱

为了分类鉴别苦丁茶,采用竞争神经网络(CNN)和反向传播人工神经网络(BP网络)两种模式的人工神经网络(ANN)分别分析了各种苦丁茶的红外谱图。作者采用25个样本作训练集,11个样本作检验集,用两种网络进行了训练。结果表明,CNN网络和BP网络均能够有效地实现苦丁茶产地的鉴别,但CNN网络能够进一步地区分苦丁茶的级别。实验表明,CNN速度快,预测结果准确,可望用竞争神经网络(CNN)和红外光谱法结合分类鉴别苦丁茶。

人工神经网络及模拟退火算法应用于原子吸收光谱法同时测定钙、磷

试验发现:原子吸收光谱法(AAS)在442.7 nm波长处测定钙时受到大于0.10 mg·L^(-1)磷共存的干扰,使钙的测定结果偏低,而且此负偏差降低的幅度随磷浓度的增加而增大。试验还发现:当共存磷的量在0.1～6.0mg·L^(-1)之间时,钙测量值的负偏差幅度与磷浓度之间存在明显的相关性。应用反向传播人工神经网络(BP-ANN)及模拟退火两种计算法对上述非线性干扰效应进行了研究,并提出了在单一波长检测的条件下,钙、磷两元素的原子吸收光谱法同时测定,此法应用于循环水中钙、磷的同时测定。两元素的检测范围依次为0.08～10.0 mg·L^(-1)及0.10～6.0mg·L^(-1),测得其回收率分别为100.5%和98.0%。

遗传算法结合人工神经网络模拟药物在超临界流体中溶解度

为更精确地关联预测药物在超临界流体中的溶解度,提出了遗传算法(GA)与LM-反向传播人工神经网络相结合(GA-LM-BPANN)的模型,并设计了该模型的计算过程,讨论了模型参数的设置。用该模型计算了温度(308～348K)和压力(122～355bar)条件下药物(非那吡啶)在超临界CO2中溶解度。结果表明,计算值与实测值的平均相对误差(AARD)为1.53%,测试集的AARD为3.32%。用Bartle半经验方程得到的计算值与实测值的AARD为14.6%。可见,与Bartle半经验方程相比,GA-LM-BPANN模型的关联和预测精度高,关联范围广。

对BP人工神经网络在农产品的灰色仿真评估上应用的探讨

基于已有的农产品商品性状综合评价体系,提出了人工神经网络(ANN)农产品商品性状评价模型,进行了其网络在番茄商品加工性状评价的具体应用,并将其评价结果与已有的评判结果进行比较。结果表明,7个品系中只有品系YH02-7、YH02-11、YH02-8、YH02-5与专家排序相差一个位次,其他均相同。说明建立的模型实用、可操作性强,评价结果可靠,具有较好的应用前景,为全面评价农产品商品性状提出了新的思路和方法。

基于人工神经网络建立武器系统备件预测模型

备件是武器系统维持良好状态的关键性因素。本研究将影响备件的关键性因素进行综合考虑,应用人工神经网络自我学习及归纳的能力,建立备件需求估算模型进行需求预测,且比较结果表明预测效果较好。

基于BP人工神经网络的发动机生产作业环境综合评价模型

针对输入与输出之间高度非线性映射的发动机生产作业环境综合评价问题,文章应用误差反向传播(error back propagation,BP)人工神经网络构建综合评价模型。通过分析发动机生产作业环境的特点、主要影响因素及其危害,建立发动机生产作业环境评价指标体系,并确定每个单项指标的分级标准;将温度、湿度、气流速度、油雾、噪声以及照度6个指标作为模型输入,舒适度等级作为模型输出,建立3层BP神经网络模型;并应用贝叶斯正则化和动量梯度下降法较好地解决了传统BP人工神经网络训练高精度和预测低精度的过拟合现象。实验结果表明,基于该模型的评价结果符合实际情况,对作业环境改善具有指导意义。

正交试验和人工神经网络模型优化通痹凝胶贴剂提取工艺

目的运用正交试验和反向传播人工神经网络(BP-ANN)模型相结合的方法对通痹凝胶贴剂提取工艺进行优化。方法以总生物碱含量、龙胆苦苷含量、总固体得率为指标,运用层次分析法(AHP法)结合CRITIC法确定3个指标的权重系数;采用人工神经网络模型对正交试验得到的提取工艺进行仿真优化,最终确定贴剂最佳提取工艺。结果总生物碱、龙胆苦苷、总固体得率的综合权重分别为0.526、0.344、0.130;正交试验优选通痹凝胶贴剂提取工艺为药材加12倍量60%乙醇提取2次,每次2 h;人工神经网络模型仿真优化的提取工艺为药材加10.8倍量67%乙醇提取2次,每次1.7 h。结论正交试验法与人工神经网络模型优化的提取工艺具有提取效率高、能耗低的优势,可为中药提取工艺的研究提供新的方法。