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。

基于人工神经网络的沿海地区底泥盐度计算模型

底泥盐度与海洋科学、河口研究、环境管理等密切相关,现有的底泥盐度计算公式存在精度不足、适用性有限等问题。为此,开展了271组室内试验和10组户外试验,整合了其他学者的研究数据,以底泥电导率、泥沙浓度、温度和细颗粒表面系数为模型输入变量,分别建立了用于计算沿海地区底泥盐度的反向传播人工神经网络(BP-ANN)模型、粒子群优化的反向传播人工神经网络(PSO-BP-ANN)模型、结合遗传算法的反向传播人工神经网络(GA-BP-ANN)模型。与现有的底泥盐度计算公式相比,新建模型的精度更高,可为沿海地区底泥盐度的确定提供更多可供选择的预测方法。

基于人工神经网络的7075高强铝合金反向挤压工艺构建及优化控制策略

基于7075铝合金工业生产的反向等温挤压流程,通过有限元模拟和人工神经网络相互结合建立了数字工艺优化模型。首先,模拟了7075铝合金的反向挤压过程,模拟与试验的载荷误差不超过6.5%。随后对216组不同反向挤压工艺流程进行了数字建模,获得了挤压控制工艺、型材出口温度与成品性能的映射关系。将生成的反向等温挤压数据集用于构建反向传播神经网络。结果表明,该人工神经网络能精确预测反向挤压工艺参数与材料性能的关系,预测平均误差为0.83%,在此基础上建立了三维挤压成形极限图,为快速反向等温挤压质量控制提供了依据。

人工神经网络在电力营销系统中的应用与实现

在电力行业信息化发展背景下,收集与存储大量电力数据,可为电力企业营销决策制定提供依据。该文提出采用人工神经网络构建电力营销系统BP神经网络模型,通过智能决策树分类算法预处理模型数据,得到最优化的模型数据,并改进神经网络隐含层节点数目算法,结合应用分时段预测方法及共轭梯度算法分别进行网络训练及网络结构优化,为网络收敛速度加快提供保障,得出相对准确的电力营销年度电量预测结论,说明电力营销系统中人工神经网络具有较高的应用价值。

基于人工神经网络的水库水资源规划管理

水库管理直接影响水库中水资源利用效率。文中采用两种人工神经网络方法对水库进行管理,通过预测给定水库未来的月流入量和每月蒸发量来估计每个月底水库的总蓄水量。研究中采用的人工神经网络方法是径向基函数(RBF)和前馈-反向传播(FFBP)方法。将人工神经网络的结果与新疆某水库实际运行的结果进行了比较,结果显示,人工神经网络能够较为准确地反映水库实际蓄水量,能有效应用于水库管理。

遗传算法误差反向传播人工神经网络预测阿立哌唑血药浓度

目的构建基于遗传算法误差反向传播(GA-BP)人工神经网络的阿立哌唑(APZ)及其代谢产物脱氢阿立哌唑(DAPZ)血药浓度预测模型,为需要调整APZ使用剂量或不能进行APZ血药浓度监测的患者提供浓度预测模型。方法回顾性收集在2021年7月—2022年8月新疆维吾尔自治区人民医院就诊且规律服用APZ的174例患者的血药浓度资料,提取相关变量,采用Matlab R2018a编程软件,结合深度学习网络构建GA-BP人工神经网络预测模型,预测APZ+DAPZ血药浓度。结果GA-BP人工神经网络预测模型验证结果显示,35例验证组样本的预测结果与实测结果相比,平均预测误差为-0.0926,平均绝对误差为0.6895,35个预测误差均小于15%,小于15%的概率为100%,血药浓度的预测值与实测值之间的相关系数为0.997,预测结果较理想。结论GA-BP人工神经网络预测模型预测APZ+DAPZ血药浓度,可用于APZ的个体化给药。

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。

人工神经网络对NaNbO_(3)基陶瓷介电性能的预测研究

NaNbO_(3)基陶瓷在电介质储能领域具有极大的应用潜力。研究在对NaNbO_(3)基复合陶瓷材料开展实验研究的基础上,基于人工神经网络方法构建BP神经网络与优化的GA-BP神经网络模型,以磷酸盐玻璃相的添加量、烧结温度、烧结时间作为输入,介电性能(介电常数与介电损耗)作为输出,对NaNbO3基复合陶瓷材料的介电性能开展预测研究。结果表明,通过GA-BP网络预测的介电常数相对误差最大仅为1.03%,介电损耗预测结果最大值仅为-3.18%,完全符合应用需求。

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。

基于人工神经网络构建的赤潮短期预报模型及应用

利用大数据赤潮预报方法,基于福建沿岸24个生态浮标和5个大浮标历史数据及实时监测数据,采用人工神经网络实现福建沿岸赤潮的业务化预报。赤潮短期预报模型由误差反向传播网络(BP)和径向基神经网络(RBF)构成,结合福建沿岸所有赤潮事件的高频采样数据样本,每天可算出480个预报结果,最后对预报结果进行发生概率等级判断,最终实现福建沿岸10个赤潮监测区赤潮发生概率等级的业务化预报。赤潮短期预报模型成功预报出2019年5月下旬福建北部发生的多起赤潮事件,2019年和2020年24 h时效的赤潮预报结果正确率达到95%和99%,赤潮识别率达到60%和55%。

人工神经网络用于直接化学电离质谱分析食用油品质的研究

无需任何样品预处理,采用表面解吸常压化学电离质谱(DAPCI-MS)技术直接对涂覆在载玻片表面的食用油样品和地沟油样品进行检测,快速获得了不同油类样品的质谱信号;并运用改进的反向传输(BP)人工神经网络对DAPCI-MS所得到的油类样品质谱数据进行有监督的分类识别,建立多分组预测模型。结果表明:DAPCI-MS能够承受食用油中复杂基体的影响,可对油类样品进行直接快速质谱分析;误差反转(BP)神经网络具有良好的分类判别能力,对食用油样品质谱数据识别效果比较理想,能够在对地沟油和非地沟油样品进行有效区分的同时,实现对不同品种的食用油的分离及分类判别。本方法分析速度快,信息提取准确,识别精度高,对快速质谱技术结合神经网络在该领域的应用以及食用油品质的快速鉴定具有重要的借鉴意义。

反向传播人工神经网络分光光度法同时测定环境水样中的苯酚、间苯二酚和间氨基酚

本文应用人工神经网络原理 ,采用误差反向传播算法 ,对环境水样中的苯酚、间苯二酚和间氨基酚可以用分光光度法不经分离进行了同时测定。三种酚类的平均回收率分别为 98 0 % ,99 6 %和 99 7%。实验证明 ,反向传播 人工神经网络方法应用在本体系中进行结果校正 ,结果令人满意。

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.

基于人工神经网络和硬度的钢的成分反向设计

人工神经网络(Artificial Neural Networks,简写为ANNs)是一种模仿动物神经网络行为特征,进行分布式并行信息处理的算法数学模型。本文将人工神经网络应用与钢成分的反向设计相结合,进行新产品的辅助合金设计。与其他方法相比,它具有预测精度高、成本低等优点,可达到较好的效果。

复合对向－反向传播人工神经网络模型及其应用

组合Ｋｏｈｏｎｅｎ竞争学习和反向传播学习的优点，本文首次提出了复合对向－反向传播人工神经网络模型，该模型较好地体现了生物神经网络系统信息处理时的自适应、自组织、分布式存贮及并行处理等特点。它保留了反向传播网络的优点，同时较后者更易收敛，计算时间缩短，网络参数设置也更为自由。通过在临床精液检查结果分析中的成功应用，证明了该系统的有效性和可靠性。

人工神经网络在材料开发中的应用研究进展

介绍了人工神经网络(ANN)的发展历程、模型特性与分类,以及反向传播(BP)神经网络模型及其改进算法,重点论述了ANN在高分子聚合反应过程和质量控制、成型加工工艺设计与条件优化、材料使用与服役性能预测方面的应用进展,以及在辅助性能表征与分析等方面的应用研究状况,并指出了ANN在未来新材料开发中应用的发展方向和亟待解决的问题。

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。