人工神经网络感知机模型判别医疗设备维修期内影响医疗服务满意要素的可行性

目的:探讨人工神经网络感知机模型判别医疗设备故障停机对医疗服务的影响。方法:参考世界卫生组织(WHO)对卫生系统绩效进行测评的反应性水平评估标准,以及人工神经网络的感知机模型和学习规划等资料,对人工神经网络感知机模型进行分析和研究,并对其进行模型构建和判别。通过正交实验设计,验证感知机模型判别医疗设备故障停机对医疗服务影响程度的分析,并通过社会类别、医疗类别和求医类3组训练输出值判别交通因子(Tr)、候诊因子(Td)和健康因子(H)是否给予关注。结果:患者在医疗设备停机时所受的影响程度可归结为最大关注和可以忽略;社会类别、医疗类别和求医类别3组训练输出值医疗服务满意度(y)均>学习期望值(d);设备停机时患者对交通因子(Tr)的影响可忽略,候诊因子(Td)不属最大关注,而患者对健康因子(H)的影响表示最大关注。结论:人工神经网络感知机模型判别结果可用于研究医疗设备维护期内影响医疗服务的满意度要素,验证感知机模型判别医疗设备故障停机对医疗服务影响程度的可行性,为大数据下智能化评价医疗服务满意度提供借鉴。

基于人工神经网络的高血压预测模型

为准确预测高血压患者,文章提出了一种基于人工神经网络(artificial neural network,ANN)的高血压预测模型.该模型在原始的ANN模型中引入了批归一化层(batch normalization,BN)和残差连接(residual connection),以改进原始ANN模型所存在的缺陷.实验表明,该模型的收敛速度显著高于原始模型,且可有效加快模型的训练过程.研究结果可为高血压的早期预测和干预提供参考.

人工神经网络方法在水力压裂选井评层中的应用

文章全面分析了影响水力压裂选井评层的因素,结合选取因素的全面性、独立性和泛化性原则,确定了影响水力压裂选井评层的主要因素,明确提出以经济准则作为评判标准。运用人工神经网络方法预测压裂施工的投入产出比,克服了现在油田上常用方法的不足,建立了水力压裂选井评层的人工神经网络预测模型、评价方法。理论上明显优于模糊评判中的井层优劣排序。油田实例证明在多因素“数据有限”(小样本)且非线性影响时,人工神经网络方法适应性强、精度高,在水力压裂领域中具有广阔的应用前景。

基于人工神经网络的企业知识管理评价模型

文章提出了基于人工神经网络的企业知识管理评价模型。实例表明,人工神经网络方法应用于企业知识管理评价是可行和有效的。

基于人工神经网络的乳腺癌诊断模型

针对具体的乳腺癌诊断分类问题 ,研究了多层径向基函数 (RBP)网络的分类机理和初始化优化参数 ,采用动量法和学习率自适应调整两种策略方法 ,建立了基于BP神经网络和径向基 (RBF)神经网络的乳腺癌两种诊断模型。讨论了径向基神经网络的分类机理 ,同时对数据作了预处理。径向基(RBF)神经网络具有较强的非线性并行处理能力和容错能力。仿真结果表明 ,所设计的RBF网络模型性能稳定 ,训练时间短 。

人工神经网络在致密砂岩气层识别中的应用

致密砂岩气层识别是一个难题。如何在已有的地质、钻井、测井、地震等资料的基础上 ,利用现代人工智能方法进行气层识别 ,值得我们去探讨。作者在本文中利用一个改进的 BP网络模型 ,充分利用现有的地质、测井等资料 ,以单井为单元进行垂向气层识别 ,然后又以地震资料为约束进行气层横向预测 ,结果非常令人满意。

基于模拟退火法与多层感知机的变压器故障诊断模型及其泛化性能研究

为诊断电力变压器内部的潜伏性故障,以溶解气体分析(DGA)数据为特征量,提出了一种基于多层感知机(MLP)的变压器故障诊断模型。以实际运行变压器的故障数据为学习样本,利用模拟退火法实现多层感知机内部节点之间的连接权重优化。以不同特征组合作为MLP的输入,对比、分析了MLP诊断故障类型的正确率;研究了MLP拓扑结构、参数正则化等对诊断模型泛化性能的影响。使用训练数据以外的变压器故障数据测试学习完成的诊断模型,获得较高的测试准确率。

应用人工神经网络技术识别试井解释模型

本文提出了一种基于人工神经网络技术通过导数曲线数据来识别初步试井解释模型的新方法。人工神经网络能对不完整或有干扰的数据进行模式识别,而无需对数据作精细的光滑预处理。

用遗传人工神经网络进行精细油藏描述

商河油田商二区沙二下油藏单元是一个经过多年开发的老的、断层控制的油藏单元。为了提高油藏的采收率 ,必须开展精细油藏描述 ,建立油藏地质模型。该油藏单元具有岩性细 ,泥质含量高 ,油层低电阻的特征。采用人工神经网络测井识别技术识别油层并进行储层物性及含油性的解释。在此基础上 ,对油层参数进行了解释并编绘了反映油层参数分布的平面图及油藏剖面图 ,建立了油藏模型。经生产动态资料检验 。

基于多智能体和人工神经网络的水电厂预知维护系统的研究

随着电力市场的发展,水电厂维护的自动化是提高水电厂整体经济效益的必然要求。在 ICMMS 框架下,提出了一种水电厂预知维护系统的多智能体模型。该模型由数据采、诊断与预诊断层以及维护决策层组成,从信号采集到维护决策的所有维护活动都集成到这个模型中。利用这个模型,建立了一个水电厂预知维护系统的原型系统,并应用 ANN 技术成功地解决了原型系统动态特性的在线监测、识别和故障诊断。

基于BP人工神经网络的纱线毛羽预测研究

研究基于BP人工神经网络的纱线毛羽预测问题。以棉纤维的7项品质指标作为输入参数,以棉纱的毛羽指数H指标作为输出参数,通过使用36组数据分别进行网络模型训练,最终将纱线毛羽指数预测模型的结构选定为7-10-1来进行纱线毛羽的预测,结果表明:BP人工神经网络模型的预测速度和精度较好。

典型人工神经网络的结构、功能及其在智能系统中的应用

人工神经网络已在各个领域得到广泛的应用 ,尤其是在智能系统中的非线性建模及其控制器的设计、模式分类与模式识别、联想记忆和优化计算等方面更是得到人们的极大关注 .本文从网络在智能系统中建模及控制器设计的具体训练结构入手 ,详细介绍了 BP网络在系统控制中的典型应用方式 ,并根据不同网络所具有的功能 ,从性能对比的角度对人工神经网络在上述各方面的应用给予综述 .

基于全连接神经网络的专利价值评价模型构建与实证研究

本研究旨在构建一种专利价值评价模型,以批量化识别和筛选具有市场转化潜力的专利,提升专利管理效率和促进专利技术的市场应用。本研究采用多元统计分析和人工神经网络方法,通过关键指标初筛、主成分分析法降维等操作步骤,构建了包含输入层、两个隐藏层和输出层的多层感知机(MLP)模型。采用十折交叉验证优化召回率和精确率。结果表明,该模型能够实现专利价值度的有效评价,通过对深圳市“20+8”产业专利进行实证检验,模型显示所评价的专利普遍具有较高的价值度,其中A级及以上专利占比达到11.27%,B级及以上专利占比为41.82%。

人工神经网络及在线电压无功静态安全状态分类

本文简要说明了几种在电力系统领域较有应用前途的人工神经网络(ANN)的应用特点。应用Kohonen自组织影射ANN模型对电压无功静态安全分类进行了研究,结果表明Kohonen模型的概括能力不仅能对在训练集中包括的状态,而且能够容许对在训练集中未包括的状态进行正确分类。经系统测试,结果证明本方法可行,适用于在线应用。 安全分析,Kohonen人工神经网络。

印度中央邦马尔瓦地区利用人工神经网络和回归模型预测蒸腾量的比较(摘选)

蒸发是水循环的一个重要组成部分,对蒸发量的估算是对水资源和灌溉水量有效利用的一个重要手段。该研究旨在利用多元线性回归模型、多层感知器(MLP)和人工神经网络(ANN)模型模拟印度中央邦马尔瓦地区周蒸发量。利用4种不同天气变量组合训练神经网络模型。多元线性回归模型只将最高温和相对湿度作为输入值,但是模拟结果不令人满意。MLP模型采用的数据集包括最高和最低温度、风速和相对湿度,在训练和验证中都取得了比较好的结果。MLP模型可以用来模拟周开放式蒸发皿蒸发量,估算缺失数据,并可以作为替代模型以验证蒸发量测定值。降雨量数据并不能改善模型性能。

基于多层感知机的长白落叶松人工林林分生物量模型

【目的】神经网络模型能避免林分生物量模型建模时自变量共线性与异方差问题,研究多层感知机在林分生物量模型中的应用,为森林经营单位、区域生物量和碳储量的估算提供方法和依据。【方法】以长白落叶松人工林为研究对象,利用吉林省一类清查固定样地的917组数据,分别建立了基于传统的对数转化后线性模型和神经网络多层感知机的地上生物量和总生物量模型。使用AIC、决定系数(R^2)、均方根误差(RMSE)、相对均方根误差(RMSEr)和平均绝对误差(MAE)来评价模型。【结果】估计精度最高的模型是输入单元为林分平均胸径(D)-平均高(H)-林分密度指数(S)-海拔(HB)-坡向(PX)-坡位(PW)、2个隐藏层、隐单元数为40-20的神经网络模型,与传统对数转换线性回归模型相比,地上生物量和总生物量模型的调整决定系数(Adj.R^2)分别从0.902 1提高到了0.914 1,从0.897 9提高到了0.908 9;RMSEr分别从6.330 5%降低到了5.992 2%,从6.490 1%降低到了6.153 6%。包含立地因子的神经网络模型比未包含立地因子的神经网络模型估计精度略有提升,地上生物量与总生物量的Adj.R^2分别提高了0.88%和0.99%,RMSEr分别降低了5.33%和5.46%。【结论】多层感知机生物量模型的估计精度比传统回归模型略有提高,但它可以避免模型选型和违背传统统计假设的处理等问题,且能够一次性计算地上生物量和总生物量模型,有一定优势。

三层铝板复合轧制包覆率的神经网络模型

三层铝复合轧制的包覆率与各个工艺参数之间存在着非常复杂的非线性关系，难以用准确的解析式来表达。我们利用对非线性系统逼近能力很强的神经网络进行了建模，形成了相应的工艺参数知识库，能较为准确地对复合轧制后的包覆率进行预测。

基于多层感知机技术的地铁盾构施工参数预测

在地铁工程建设中,盾构法施工技术已经得到了广泛的应用,盾构掘进参数的合理预测对提高施工安全性及降低操作难度具有较大实际意义.以中国杭州机场快线地铁隧道某标段为工程背景,以隧道直径范围内土层摩擦角、黏聚力、压缩模量、重度以及隧道顶部埋深、盾构机预设刀盘转速、推进速度作为输入,以盾构施工时的注浆量、注浆压力、出土量、总推力和刀盘扭矩为输出,建立基于多层感知机的盾构掘进参数预测模型.通过对比不同超参数组合情况下的模型在数据集上的预测表现,挑选出适合于该工程盾构施工参数的预测模型.使用实测数据对模型预测效果进行验证,预测值与实测数据总体变化规律一致,平均误差在20%以内.建立的多层感知机模型预测结果较为合理,具有较好的预测精度,可用于复合地层条件下同类型盾构掘进参数的预测.

基于多层感知机的楔环总接触力检测方法研究

楔环联接结构常用于薄壁圆筒产品联接,楔环之间的接触力可以用于表征楔环的装配紧凑程度,通过分析楔环夹紧力与脉冲力及其加速度响应的关系,建立了基于多层感知机的楔环总接触力预测模型,并根据该模型提出了总接触力检测方法。设计实验装置并对模型与测量方法进行了试验验证,试验结果表明,该方法的检测准确性优于±75 N,验证了检测方法的可行性。

感知机网络模型

文章提出了一种利用人工神经元网络方法感知机网络实现设计并训练一个印刷字符分类器 .程序采用MATLAB5 .