基于多层感知器神经网络的小微企业信贷风险研究

文章以多层感知器神经网络算法为基础,对某小贷公司的小微企业信贷数据库中的信贷记录进行了信贷评估,并将该结果与决策向量机、线性判别、二次判别和逻辑回归等数据挖掘方法进行了比较。分析结果表明,从总体上看,多重感知器神经网络算法优于传统的基于参数的分类方法,即多层感知器神经网络算法拥有相对较高的ROC曲线下面积和较低的预期错误分类成本。更进一步,在研究所采用的4种MLP算法中,基于BFGS Quasi-Newton训练算法的MLP表现最为出色,可以作为金融机构进行小微信贷风险评估的辅助决策模型。

基于径向基—多层感知器神经网络联合的复杂岩相智能识别与表征

苏里格气田东二区二叠系石盒子组盒8段(以下简称盒8段)为典型的河流相致密砂岩储层,其强非均质性及复杂的储层结构导致该区面临“甜点”储层优选困难等关键技术瓶颈。为此,在分析盒8段储层岩相类型及组合特征、岩相约束下测井数据特征的基础上,建立了一种契合岩相及其组合特征、测井数据特征、人工智能算法原理的径向基—多层感知器神经网络联合模型,并开展了储层岩相的精确识别与表征研究。研究结果表明:(1)盒8段发育块状层理砾岩相、槽状交错层理粗砂岩相、板状交错层理粗砂岩相、板状交错层理中砂岩相、平行层理中砂岩相、交错层理细砂岩相、波状层理粉砂岩相、块状层理泥岩相8种岩相类型;(2)盒8上亚段曲流河相储层岩相密度偏小、岩相频率偏高、对应测井数据分布较分散,盒8下亚段辫状河相储层岩相密度偏大、岩相频率偏低、对应测井数据分布较集中;(3)建立的径向基—多层感知器神经网络联合模型识别准确率可达89.06%,相较于单一神经网络模型、交会图、主成分分析和决策树等方法识别准确率明显提高。结论认为,建立的径向基—多层感知器神经网络联合模型不仅克服了现有岩相识别方法准确率低且难以推广的缺陷,而且对实现河流相强非均质性致密砂岩储层高效开发具有重要意义。

基于多层感知器神经网络的双相障碍早期识别研究

多层感知器(MLP)神经网络属于多层前馈神经网络,具有高度智能化的特征与能力,其可以通过网络自身学习来实现复杂的非线性映射。双相障碍是一种严重的精神疾病,具有高复发率、自残率和自杀率。大多数双相障碍以抑郁发作起病,容易被误诊为单相抑郁症而延误治疗,影响预后。双相障碍的早期识别对双相障碍患者非常重要,由于该过程的非线性特点,本文探讨了MLP神经网络应用于双相障碍早期识别的效果。样本数据分为两组,包括复发抑郁组143例及双相障碍组107例;通过对两组间的临床特征进行统计学分析,筛选出具有显著差别的42个变量作为神经网络的输入变量;本研究通过选取不同的神经网络内部结构,随机抽取部分案例作为学习样本,其它作为测试样本,对于双相障碍的识别均获得了较好结果,说明MLP神经网络可应用于双相障碍的早期识别中。

基于多层感知器神经网络对遥感融合图像和TM影像进行土地覆盖分类的研究

８０年代以来，人工神经元网络（ＡＮＮ）技术的应用不断向广度和深度发展．用不同空间分辨率的ＴＭ和ＩＲＳ遥感图像进行融合，综合了不同传感器数据所提供的信息，增强了图像的清晰度，改善了解译效果。用多层感知器神经网络对遥感融合图像进行分类，分类精度达９５％，比用多层感知器神经网络对ＴＭ图像进行分类（分类精度达７３％）效果要好．

电液伺服系统的神经网络建模方法研究

针对电液伺服系统固有的流量-压力特性等非线性因素使得采用传递函数等传统方法难以获得电液伺服系统的精确模型的问题,详细研究了电液伺服系统的神经网络建模方法。研究了两种最常见的神经网络,即多层感知器神经网络和径向基函数神经网络,采用5种典型学习算法构造了3种多层感知器神经网络和2种径向基函数神经网络,并结合自动定深电液伺服系统的工程实例,详细分析了这5种神经网络在电液伺服系统中的建模性能。研究结果表明,采用正交最小二乘算法的径向基函数神经网络最适合电液伺服系统的建模。

基于多层感知器神经元的空间柔性机器人位置跟踪控制

针对基体位置及姿态均不受控的自由漂浮柔性空间机器人轨迹跟踪问题,提出了一种前馈多层感知器(MLP)神经网络控制策略.建立了末端柔性的自由漂浮基机器人的耦合动力学模型,再利用MLP神经网络良好的逼近能力来自适应补偿非线性柔性臂的逆动力学模型,其误差代价函数由PID控制器提供,权重及阀值的调整采用改进的BP反传算法.最后通过仿真比较详细分析了所提方案的工作机理及对非线性强耦合系统控制的有效性.

基于MLP神经网络的数控铣床几何误差补偿方法

针对三轴数控铣床加工工件的几何误差问题,提出一种基于多层感知器(MLP)神经网络的误差补偿方法。首先,设定铣床沿X轴和Y轴方向对工件进行铣削加工,通过3D坐标测量机测量刀头在Z轴上的定位误差数据。然后,利用这些数据来训练MLP神经网络模型,拟合出三维的误差曲面。最后,根据获得的误差曲面,对铣床加工时的刀头坐标进行实时校正,以此提高加工精度。实验结果表明,提出的方法能够对机床加工误差进行精确地补偿,具有有效性和可行性。

人工神经网络和遗传算法在微带交指电容器设计中的应用

将神经网络技术 (ANN)与遗传算法 (GA)相结合对交指电容器 (IDC)进行了分析与设计。采用多层感知器神经网络 (MLPNN)建立了交指电容器的模型 ,并利用遗传算法的全局搜索能力根据实际需要优化设计交指电容器的结构。模型训练样本的S参数由时域有限差分 (FDTD)方法得到。结果证明该方法具有较高的准确性 。

神经网络对老年冠心病患者发生冠脉支架内再狭窄的初步研究预测

目的探讨老年冠心病患者发生经皮冠状动脉介入治疗(percutaneous coronary intervention,PCI)术后支架内再狭窄(in-stent restenosis,ISR)的危险因素,并利用多层感知器神经网络分析、学习和预测冠状动脉ISR。方法随访93例有PCI手术史的老年患者(年龄≥65岁),用简单随机化分组抽取其中76例患者作为训练组,17例作为预测组。对93例患者的年龄、PCI术后年份、原有冠脉病变血管数、支架长度、支架内径、糖化血红蛋白(HbA1c)、低密度脂蛋白(LDL-C)、高密度脂蛋白(HDL-C),脂蛋白a、尿酸(UA)进行非条件Logistic回归分析,总结出有统计学意义的因素,并对预测组进行预测。再使用多层感知器神经网络学习训练组,建立与ISR之间的隐性联系模型,寻找重要的变量。最后,利用多层感知器神经网络预测预测组中17例老年冠心病患者PCI手术后是否会发生ISR,比较两种预测结果并进行评估。结果非条件Logistic回归分析结果表明,PCI术后ISR患者和无ISR患者,原植入支架的内径具有显著差异,支架内径越小,发生ISR概率越高(P=0.004);PCI术后随着时间的推移,发生ISR的概率有明显增高(P=0.012);存在多支病变的患者发生ISR比例明显高于单支病变的患者,两者具有显著差异(P=0.037);ISR患者的HbAlc水平明显增高,与无ISR的患者比较,两者具有显著差异(P=0.026)。多层感知器神经网络模型的变量重要程度表中,Hb A1c为最为重要,其次为脂蛋白a,第三为支架直径。用多层感知器神经网络预测测试组中会发生ISR的正确率为82.4%,高于逻辑回归预测的76.5%。多层感知器神经网络预测结果更令人满意。结论支架直径、多支病变、术后年份、HbA1c、脂蛋白a对冠状动脉ISR具有显著性影响。使用多层感知器神经网络模型预测冠状动脉ISR的发生正确率更高。

人工神经网络在金相图像分割中的应用研究

利用多层感知器神经网络和自组织映射神经网络对球墨铸铁、可锻铸铁和灰铸铁的金相图像进行了分割提取。通过对比以上两种方法分割后的图像质量和定量分析样本图像中的石墨结构、珍珠岩/铁氧体结构所占的百分含量后发现,多层感知器网络分割提取的结果与样本实际的结果更加接近,而自组织映射神经网络分割提取的结果则不够理想。据此,可以推断多层感知器网络是实现金属图像分割自动化提取和精确性分析的有效工具。

相关性分析-神经网络模型在宁夏用水量预测中的应用

为了提高用水量预测精度,并且掌握各行业用水量比例。提出了相关性分析和多层感知器神经网络(MLP)耦合模型预测行业用水量,该模型首先利用相关性分析的方法筛选出对行业用水量影响较大的因子,再将主要因子数据输入到神经网络模型预测出行业用水量。进一步以地处干旱区域的宁夏回族自治区为例,提取2002—2016年主要影响行业用水的因子训练预测模型,以此模型预测2017—2020年的用水量并检验预测精度;预测结果显示,总用水预测值与实际值的多年相对误差均值仅为1.00%。最后使用该耦合模型对宁夏规划水平年2025年行业用水量进行预测,预测结果表明2025年宁夏总用水量有下降的趋势,这种变化趋势与自治区近几年大力推进节水型社会建设的政策相符合。

基于LASSO回归和多层感知的癌组织RNA-Seq数据分类算法研究

目的:为了解决癌症基因RNA-Seq(RNA-Sequencing,转录组测序技术)技术每次测序过程产生海量高分辨率、高维、高冗余的数据,给基因表达数据分类带来困难的问题。方法:提出了一种基于LASSO(Least Absolute Shrinkage and Selection Operator,LASSO)回归和多层感知的癌组织RNA-Seq数据分类算法。首先,从TCGA数据库获取十个疾病的基因数据集并对原始RNA-Seq的基因表达谱基因数据进行数据清洗和标准化处理,去除重复的基因,选取表达量最大的基因并将数据做标准化处理。其次,采用LASSO回归的方法对处理后的数据进行降维和特征提取,获得与疾病标签最相关的特征基因集。最后,运用多层感知器神经网络(Multilayer Perceptron,MLP)模型对特征基因进行学习和训练,实现有效地识别和分类。实验结果:实验表明,该算法在10种癌细胞基因测试数据集中分类总准确率达到99.8%,高于LASSO-CNN分类模型的总准确率98.9%和LASSO-BP神经网络分类模型的总准确率99.4%。结论:该算法克服了转录组测序数据量大、特征多、数据差异大的缺陷,是一种有效的癌症基因表达测序分类新算法。

基于气味信息和活性成分的三七产地溯源研究

目的基于气味信息和活性成分对三七Panax notoginseng(Burk.)F.H.Chen进行产地溯源研究。方法采集4个产地的三七样品,测定其活性成分(人参皂苷R1、Rg1、Rb1、Rd)和气味信息并进行多元统计分析和神经网络分析。结果方差分析结果表明,三七产地对其皂苷含量、电子鼻传感器特征响应信号影响显著;典则判别分析和聚类分析可实现三七产地的判别,多层感知器神经网络分析对三七产地的判别准确率均在87%以上;结合偏最小二乘回归分析、多元线性回归分析、多层感知器神经网络分析构建皂苷含量的预测模型,气味信息与皂苷含量间存在相关关系(0.42<r<0.95)。结论基于电子鼻和高效液相色谱法对三七产地判别具有可行性,可为三七开发利用、产地追溯、真伪鉴定提供科学依据。

红外光谱结合贝叶斯判别对洗发用品的分类研究

建立一种基于红外光谱的快速无损地检验洗发用品的分析方法。利用傅里叶红外光谱对60个常见的洗发用品样品进行检验,分别采用Savitzky-Golay(S-G)平滑、快速傅里叶变换(FFT)、降噪等方法对光谱数据进行预处理,并结合主成分分析法对光谱数据进行降维处理。同时建立多层感知器神经网络和贝叶斯判别分析两种分类模型,对光谱数据进行分析验证。多层感知器神经网络对原始数据、经过S-G平滑、FFT、降噪后的分类准确率分别为86.67%、88.33%、80%、90%,贝叶斯判别的分类准确率为83.33%、85%、83.33%、95%。结果显示,降噪处理效果较佳,贝叶斯判别具有更高的准确率。该方法重现性好、样品用量少、无损样品,可为洗发用品类物证鉴定提供科学依据。

基于HJ-1数据和V-I-S模型的城市不透水层变化分析

选择2008年和2010年徐州市城区的HJ-1A/1B多光谱遥感图像,利用线性光谱混合模型(LSMM)、多层感知器(MLP)神经网络和自组织映射(SOM)神经网络3种混合像元分解方法,基于V-I-S(植被-不透水层-土壤)模型提取城市不透水层。对3种方法的精度分析对比表明,MLP方法优于其他两种方法,能够比较清晰地反映出徐州市城市化的发展。对两个时相多光谱影像提取的不透水层信息的分析表明,徐州市近两年的发展中心已逐渐向城市边缘地带扩展,其主要原因在于经济的迅速增长和城市化进程的加速发展。

SSA-MLP模型在岩质边坡稳定性预测中的应用

岩质边坡的力学参数量化及稳定性分析对岩质边坡灾害的防治具有重要意义。Hoek-Brown(H B)准则是一种用于确定岩体力学参数的经典方法,能反映出边坡岩体变形和位移的非线性破坏特征。在此基础上,首先,提出一种麻雀搜索算法(Sparrow Search Algorithm,SSA)改进多层感知器(Multi-Layer Perceptron,MLP)的神经网络模型,并用于边坡稳定性预测、指标敏感性分析及参数反演。其次,将收集的1085组岩质边坡的几何参数和H B准则参数等作为输入变量,极限平衡理论Bishop法求解的安全系数作为输出变量,对SSA MLP模型进行训练学习和性能评估。最后,将该模型运用于25个边坡实例,验证模型的有效性。结果显示,该模型收敛速度快、精度高,为边坡稳定性分析和参数量化提供了一种新思路。

基于特征提取与MLP神经网络的电池包密封性检测建模方法

为提高汽车电池包密封性检测效率,达到气体泄漏快速、在线测试的目的,提出一种基于特征提取与多层感知器(MLP)神经网络的电池包密封性检测建模方法。首先使用Lasso方法对气体泄漏数据集进行特征提取,然后用MLP神经网络对数据集进行辨识,两者共同构成电池包密封性检测模型。研究结果表明:该检测模型可以缩短气体泄漏检测周期,实现电池包密封性快速在线检测、提升整个工序生产效率的目标。

基于传感器阵列多特征优化融合的鱼粉品质检测

为了提高鱼粉品质检测装置的鉴别能力,利用研制的鱼粉品质检测装置,提取鱼粉样本的响应特征信息(10×6个)构成原始特征矩阵,以多层感知器神经网络的鉴别正确率为评价指标,对其传感器阵列进行多特征数据融合优化。首先,通过不同的归一化处理,得到了最佳的归一化处理方法;其次,通过因子载荷分析结果计算获得1 770个特征距离值,按从小到大的顺序对1 770个距离进行排序,并依据特征值距离原点的欧式距离,剔除欧氏距离较小的19个特征值,获得最高的鉴别正确率;最后,对经过载荷分析优化后的原始特征值进行相关性分析,按相关系数绝对值累加和大小进行排序,当剔除掉相关系数绝对值累加和大于37.2时的8个特征值时,此时鉴别正确率为98.3%,特征子集也更紧凑。研究结果表明:特征优化前后的传感器信号的表征特征发生了明显的变化,33个特征值被用来表征鱼粉样本的传感器特征信号。同时,采用马氏距离解释了MLP神经网络鉴别结果的可信性,进一步说明了特征优化方法的合理性。

基于近红外光谱技术实现掺假山羊奶的定性和定量检测

以近红外光谱(NIRS)技术为基础,实现掺假山羊奶的快速、无损检测。采用主成分分析结合神经网络以及偏最小二乘法(PLS)分别对纯山羊奶和掺有奶油、还原奶的两类掺假山羊奶进行定性和定量研究。结果表明,将主成分分析与多层感知器(Multilayer Perceptron,MLP)神经网络相结合建立的定性判别模型对样品建模集和预测集的正确判别率都达到100%。光谱经预处理、优选波段和主成分维数后,利用PLS分别建立两类掺假奶的定量校正模型。其中掺奶油山羊奶定量校正模型的决定系数(R2)为98.54%,交叉验证均方根差(RMSECV)为0.379;掺还原奶山羊奶定量校正模型的R2为96.38%,RMSECV为6.20。同时运用马氏距离和二审剔除法判断和剔除异常样本后,两类掺假奶模型的R2分别提高到98.85%和97.06%,RM-SECV分别降低到0.333和5.61。外部验证得到预测值与真值的相关系数(R2)分别为0.989和0.982,预测效果满意。所得结论表明,近红外光谱技术结合化学计量学方法可以实现掺假山羊奶的定性和定量检测。

基于超快速气相电子鼻研究不同类型UHT牛奶的挥发性风味特征

采用超快速气相电子鼻对超高温灭菌(ultra high temperature,UHT)全脂、低脂和脱脂牛奶共36种样品的挥发性风味成分进行定性、定量分析,并结合主成分分析和多层感知器神经网络,对UHT牛奶的香气特征进行分类预测。结果表明,UHT牛奶中含有29种共同的挥发性风味成分,主要为丙酮、正丁醇和δ-癸内酯等,其中丙酮含量最高,癸醛含量最低。异丁醇、乙偶姻、1-戊醇、E-3-己烯醛和癸醛只在UHT全脂牛奶中存在;3-甲基庚烷、2,6-二甲基吡嗪、E-2-壬烯-1-醇是UHT低脂牛奶的特有成分;α-蒎烯、5-甲基糠醛、癸酸仅在UHT脱脂牛奶中被检出。UHT牛奶主要香气特征体现为蔬菜味、奶油味、草香味、水果味及麦芽味。其中蔬菜味、奶油味、麦芽味在UHT全脂牛奶中分布最广泛;水果味在UHT低脂牛奶中分布最广泛;青草味在UHT脱脂牛奶中分布最广泛。主成分分析显示不同品牌UHT牛奶之间存在显著差异;多层感知器神经网络对UHT牛奶种类的预测准确率高达98.6%。