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。

基于感知机模型藏文命名实体识别

藏文命名实体识别是藏文分词和标注系统中必须要解决的问题。通过对命名实体构词规律及分词歧义进行分析,提出基于音节特征感知机训练模型的藏文命名实体识别方案。重点研究了利用藏文紧缩格识别音节的方法,命名实体内部和边界音节的模型训练特征模板,训练模型,以及命名实体分类识别方法。提出的藏文命名实体识别方法在测试集上获得86.03%的F值,相对基于分词的基线系统高出10.5%个点。

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 .

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。

基于感知机算法的智能医疗在脊柱病诊断中的应用

随着科技的迅速发展,人工智能成为近年来的关键词,被广泛应用于各行各业中,医疗健康领域是其重要应用场景之一,随着国家对医疗事业的重视,临床医疗数据量呈指数增加,传统医疗诊断方法已不满足现代社会的需要。在此背景下,本研究通过在线已知脊柱病数据集和感知机机器学习算法来构建模型,并利用该模型分析被测人相关身体特征数据,实现脊柱病筛查的人工智能辅助诊断。本研究旨在利用机器学习与医疗领域相融合的实例,指出未来智能医疗发展方向。

面向调控领域多源数据融合的电力变压器态势感知与预警方法研究

为了应对日益复杂的电网设备监控一体化要求,有必要完善电力变压器态势感知模型,以辅助监控人员在海量且离散的监控信息中及时发现状态有劣化趋势的变压器,并提前作出应对。而目前的变压器状态感知技术具有数据来源单一且实时性较差的普遍性问题,且仍需要监控人员结合遥测信息作出人工分析与预判,无法完全满足电网设备监控要求。本文基于多源数据融合技术,通过关联挖掘变压器告警信息、缺陷管理记录、设备检修记录、离线试验报告和输变电在线监测数据,提取了五个变压器运行态势评估的维度特征。通过构建多层感知机模型,建立基于马尔科夫链原理的变压器状态转移模型,可提前2 h对其可能发生的缺陷进行预测并达到了很好的效果,并确定了变压器状态预警指标,为监控人员提前对变压器运维工作的部署提供充分时间。

基于特征性脂肪酸和甘油三酯指标的油茶籽油掺伪定性鉴别模型对比分析

为解决油茶籽油掺伪其他植物油的定性鉴别问题,在油茶籽油中分别掺入大豆油、花生油、葵花籽油、棉籽油、葡萄籽油、菜籽油、棕榈油和米糠油,设置高和低两种不同掺伪梯度,基于14个特征性脂肪酸和甘油三酯指标,运用Python语言构建并对比分析了二分类决策树模型、多分类决策树模型和多层感知机人工神经网络(MLP-ANN)模型用于油茶籽油掺伪定性鉴别的效果。结果表明:高和低掺伪梯度下,二分类决策树模型对油茶籽油掺伪其他植物油的定性鉴别的准确率均达到0.95以上;多分类决策树模型的精确率和准确率在高掺伪梯度下均达到了0.95,但在低掺伪梯度下仅为0.90;在高和低掺伪梯度下,MLP-ANN模型对油茶籽油掺伪定性鉴别的平均精确率均达到0.98,准确率分别达到0.97和0.98。相比于决策树模型,MLP-ANN模型能很好地实现油茶籽油掺伪定性鉴别。

量纲统一在滑坡易发性评价中的影响分析

以往的区域性滑坡易发性评价研究多以对比不同评价模型结果和改进模型为主,而忽视了所选致灾因子的信息保留以及因子量纲如何统一的问题。为探究致灾因子的相关性和量纲对易发性评价结果的影响,以甘肃省靖远县北部地区作为研究区,选取高程、坡度、坡向和地形起伏度等12个因子,利用主成分分析提取的新因子参与易发性评价,并采用数据标准化、滑坡密度和信息量值替代法统一致灾因子的量纲,最后基于GIS平台绘制研究区滑坡易发性分区图。通过ROC曲线评估各模型的易发性评价结果精度。结果表明:在信息量模型、逻辑回归模型和感知机模型中,经主成分分析处理的因子得到的模型评价结果精度更高,采用信息量值替代法统一因子的量纲能够进一步提升逻辑回归和感知机模型的评价结果精度;同时,3种评价模型中感知机模型的结果精度最高(AUC=0.9367),优于信息量模型(AUC=0.9173)和逻辑回归模型(AUC=0.9272),是该研究区滑坡易发性评价的理想模型,应优先考虑。研究结果可为类似地区的防灾减灾工作提供基础数据和理论参考。

基于MLP的上海市主要树种单木胸径生长率模型

【目的】胸径生长率模型是研究林分生长变化、森林生长收获预估以及生物量和碳储量动态变化等的基础支撑,对于森林资源管理具有重要意义。探索利用多层感知机神经网络技术建立上海市单木胸径生长率模型,为上海市森林资源年度监测数据更新提供技术支撑。【方法】利用第六次至第九次全国森林资源连续清查上海市1999、2004、2009、2014年4期固定样地调查数据,对复位样木按照两倍标准差法进行胸径生长异常值剔除,再按照树种和前期胸径分组进行数据合并,分组计算样木胸径生长量的算术平均值,然后按复利式计算出相应的生长率,进而分别建立水杉、樟树、女贞、木兰、杨树5个树种的传统非线性回归和人工神经网络多层感知机的单木胸径生长率模型。使用确定系数(R2)和估计值剩余标准差(SEE)进行模型评价,使用确定系数(R2)、估计值剩余标准差(SEE)、平均预估误差(MPE)和平均百分标准误差(MPSE)进行预估评价。【结果】5个树种单木胸径生长率建模时,非线性回归模型的确定系数(R2)达到0.854、0.790、0.691、0.641和0.608,多层感知机模型确定系数(R2)达到0.903、0.863、0.802、0.684和0.650,后者确定系数(R2)较非线性回归模型分别提高0.049、0.073、0.111、0.043和0.042,多层感知机模型的估计值剩余标准差(SEE)较非线性回归模型均有所下降,5个树种分别下降0.13、0.26、0.32、0.12和0.10;预估后期胸径时,非线性回归模型确定系数(R2)达到0.880、0.832、0.526、0.860和0.799,多层感知机模型确定系数(R2)达到0.883、0.839、0.561、0.862和0.803,后者确定系数(R~2)较非线性回归模型分别提高0.003、0.007、0.035、0.002和0.004,2种模型的平均预估误差MPE均在2%以内,平均百分标准误差(MPSE)均在20%以内,多层感知机模型的估计值剩余标准差(SEE)、平均预估误差(MPE)和平均百分标准误差(MPSE)较非线性回归模型均有所下降,5个树种估计值剩余标准差(SEE)分别下降0.02、0.05、0.07、0.01和0.04,平均预估误差(MPE)分别下降0.01、0.01、0.05、0.01和0.02,平均百分标准误差(MPSE)分别下降0.26、0.09、0.56、0.47和0.33。【结论】多层感知机可以避免模型选型和违背传统统计假设处理。与非线性回归模型相比,多层感知机胸径生长率模型的建模精度和预估精度略有提高,为上海市森林资源年度监测数据更新提供参考。

基于MLP-ARX模型盾构自动掘进技术研究与应用

为减少盾构施工过程中的人工干预,提高施工效率,解决人员误判或经验不足等情况导致的施工质量差、效率低,遇复杂地质难以及时调整,甚至引起施工事故等问题,结合盾构施工工艺、工程地质等因素,基于大数据与人工智能技术,研发一套基于MLP-ARX(多层感知机自回归)模型的盾构自动掘进控制系统,开发推进过程动态模型以及模型在线更新、参数优化的方法,在施工过程中能够及时、准确地自动调节盾构推进速度、分区压力和螺旋机速度等参数,并应用在深圳地铁14号线管线工程隧道。结果表明:该系统可实现推进过程的自动控制,推动盾构施工自动化、信息化和智能化,极大地缓解盾构司机的操作压力,降低对施工情况误判的发生概率,提高施工质量和效率。

基于数据挖掘技术的地铁牵引电机温度预测

温度是影响牵引电机使用寿命的重要因素,提前预测对地铁安全高效的运行具有极其重要的作用。文章首先以牵引电机的运行数据为基础,选取与电机温度相关的一系列重要特征参数,通过线性回归(Ridge)模型、基于决策树构建的回归树(梯度提升树,GBDT)模型和多层感知机(MLP)模型,建立牵引电机温度预测模型并进行相应模型训练;其次,选用R-Squared、均方误差(MSE)和对称平均绝对百分比误差(SMAPE)指标,来评价模型的拟合效果。最后,利用已训练模型对之后两个月的电机温度进行预测,从而验证模型的泛化精度,实现牵引电机温度精确预测。通过研究,初步验证了数据挖掘技术在预测地铁牵引电机温度方面的有效性和可行性。结果表明,在预测电机温度时,MLP模型比其他两种模型在精准性和鲁棒性方面性能更佳。

CO_(2)气体保护焊的焊缝形貌建模及虚拟化仿真系统开发

建立了CO_(2)气体保护焊工艺参数与焊缝几何尺寸(熔宽、熔深)之间的多层感知机神经网络预测模型,并基于焊接试验数据训练模型,确定了模型的数学解析式;通过分析焊缝截面和表面形貌特征,建立焊缝形貌的虚拟化仿真模型;通过python编程开发了焊缝形貌预测与虚拟化仿真系统。结果表明:所建立的多层感知机神经网络预测模型对熔宽预测的最大偏差为0.097 mm,模型拟合优度为0.999269,对熔深预测的最大偏差为0.051 mm,模型拟合优度为0.999567;建立了以焊缝熔深和熔宽为输入变量的焊缝截面形貌数学模型和以焊缝熔宽为输入变量的表面形貌数学模型。

判别式藏语文本词性标注研究

该文在分析了现有藏文词性标注方法的基础上,提出感知机训练模型的判别式藏语词性标注方法,重点研究了符合藏语词法特性的模型训练特征模板、模型训练和词性标注方法。并且在人工标注的测试集上获得了98.26%的词性标注精确率,可以实际应用到藏语自然语言处理中。

结合Landsat 8与PALSAR-2影像的龙南县针叶林蓄积量遥感估测研究

林分蓄积量估测是林业遥感的重要研究领域,由于云雾天气和光谱饱和现象等因素限制了光学遥感影像估测林分蓄积量的精度。合成孔径雷达(SAR)具有穿透性强、受云雾影响小等特点,弥补了光学遥感的不足。以江西省龙南县的针叶林为研究对象,结合Landsat 8与PALSAR-2双极化SAR影像数据,在遥感数据预处理基础上,提取了光谱信息、植被指数、纹理信息和后向散射系数等共245个遥感因子。基于Pearson相关系数法和多元逐步回归法,筛选出65个遥感因子参与林分蓄积量估测。以林分郁闭度作为分层因子,分别采用线性、KNN、支持向量机(SVM)、多重感知机(MLP)和随机森林(RF)5种模型估测林分蓄积量,并对估测结果进行精度检验。实验结果表明:1)相比单独使用Landsat 8的光谱和纹理信息,基于郁闭度分级并融合PALSAR-2的后向散射信息明显提高了蓄积量的反演精度;2)对于低郁闭度林分,线性模型精度最高(rRMSE=21.16%),中郁闭度林分,多重感知机模型估测效果最好(rRMSE=30.61%),高郁闭度林分,多重感知机模型估测效果最好(rRMSE=27.53%)。在结合PALSAR-2的后向散射系数的基础上,郁闭度分层能有效改善中高蓄积量区域的反演精度。

基于迁移学习的细粒度图像快速识别方法

识别类间差异较小的同类物种时容易出现识别错误问题,为此提出一种基于迁移学习的细粒度图像快速识别方法。通过计算迁移学习中的给定源域以及无标记目标域,获取图像像素数据集,输入至卷积神经网络模型预训练,凭借全连接层中softmax分类器,估计图像处于不同分类结果的概率,区分不同种类个体。使用多层感知机模型输出所有类别预测的概率值,计算度量指标与损失函数,使损失函数值达到最小化,最后通过迭代权重,更新类,找出近似解,完成细粒度图像识别。实验结果证明,所提方法能够实现对静态与动态图像的有效识别,且识别速度快、精度高。

MLP模型在房地产批量评估中的应用研究

第十三届全国人大常务委员会第三十一次会议通过《授权国务院在部分地区开展房地产税改革试点工作的决定(草案)》,这意味着房地产税改革进入实质性推进阶段。在此背景下,以批量评估为基础的房地产价值评估为房地产税的开征提供了技术支撑。本文运用人工神经网络中多层感知机(简称MLP)模型,以石家庄市长安区二手住宅为样本,进行实证研究,并将其结果与特征价格模型所得结果进行对比;同时,对裕华区二手住宅做以同样的实证分析。最终得出:相比经典特征价格模型,运用多层感知机模型得出的评估结果与真实交易值的误差更小,匹配度更优。

虚拟现实环境下离心泵操作培训和评价系统设计

离心泵安全操作需要严格按照一系列多环节的安全规程进行,否则将会出现机泵损坏、人身损伤等危险后果。依据国家标准建立了离心泵的三维模型,使用虚拟现实技术依据离心泵操作规程设计了交互系统。系统考虑了模型的实际物理状态:离心泵工作时电机会发热,外壳同时散热,依据电机生热与散热的数学模型,计算了电机生热与散热的情况,通过颜色随时间的变化关系将其反映在系统中,真实反映了离心泵电机的热特性变化;根据操作规程顺序、安全隐患点细节、操作的精准程度,采用神经网络中感知机模型,对一系列相关的操作步骤进行分组,按照重要性设置属性权重,根据操作错误的次数改变权重值,最终输出评价结果,建立了两级感知机数学模型,精准评价操作者的掌握准确度。

基于依存树的藏语语义分析

藏语语义依存分析是以藏语依存句法分析为基础的深层语义研究。该文从词法分析和句法分析等浅层研究出发,结合藏语自身语法结构和语义单位之间的关系特点,实现了藏语语义依存分析。在制定了藏语语义依存关系标注规范并设计了藏语语义依存关系特征模板的前提下,采用感知机进行了藏语语义依存分析模型的训练,经实验该模型在人工标注测试语料上的根准确率、依存弧准确率、依存弧类型准确率及完全准确率等4个指标分别达到了89.56%、78.63%、71.67%及32.32%,证实了该模型在藏语语义依存分析任务中具有良好的性能。