基于改进人工神经网络的人体姿态识别方法在人机交互医疗设备中的应用

为提升人机交互医疗设备对久坐不动、常年卧床等状态下人体的监测效果,在利用无线体域网建立人体姿态识别系统的基础上,设计了相应的改进人工神经网络与无线体域网系统进行融合,并将其应用于人机交互医疗设备中;结果表明,在HiEve数据集中,该方法于20次迭代时开始收敛,损失函数值为0.0112;在患者不同姿势的识别验证中,该方法下的人机交互医疗设备识别准确率均显著高于90%,并且耗时最短仅为23.16 s,具有较高的识别准确率和效率,为人体姿态识别及相关医疗设备的应用提供了更为可靠的技术参考。

基于改进人工神经网络的建筑结构变形智能监测预警方法

针对现有监测预警方法对建筑结构变形监测预警时,存在结果残差过大,影响精度的问题,引入改进人工神经网络,开展对建筑结构变形智能监测方法的设计研究。利用改进人工神经网络,构建建筑结构变形预测模型;在各结构变形监测点设置传感器,实现建筑结构变形数据实时监测;设置报警阈值,结合模型输出结果与阈值的对比,实现对建筑结构变形智能预警。通过对比实验证明,新方法的监测预警结果残差得到有效控制,精度显著提升,能够在第一时间发现建筑结构异常变形趋势,促进提高建筑整体建设的安全性。

基于改进人工神经网络的无线多跳网络空洞修复方法

为了提高无线多跳网络的转发性能及传输稳定性,提出了基于改进人工神经网络的无线多跳网络空洞修复方法.首先采用自适应路由探测协议实现对无线多跳网络传输链路的均衡控制,在构建传输节点分布模型的基础上,分析节点能量开销和传输比特率,从而均衡控制节点能耗.然后根据空洞节点累计分布函数构建链路传输数学模型,在求出最短传输路径的基础上,对空洞数据集实施聚类,从而得到待修复的节点,再根据能量均衡控制实现空洞修复.由仿真结果可知,无线多跳网络的丢包率最低仅为0.76%、覆盖率最高可达到0.8.

基于改进人工神经网络的管理诊断方案评价方法

管理诊断方案确定在当今企业管理中具有重要的地位.提出一种基于改进人工神经网络的管理诊断方案评价方法,该方法结合单因素影子加权与人工神经网络相结合的方法进行优化评价方案,实现企业诊断方案评价的全面化,客观化,可靠化和智能化.实例验证了该评价方法能够有效区分方案的优劣水平,简化了原有方法的冗长过程,提升了方案评价的科学性.

几种改进的人工神经网络算法比较

文章分别介绍了模拟退火算法与BP网络结合的模拟退火人工神经网络,遗传算法和BP网络结合的遗传人工神经网络以及遗传退火人工神经网络算法。通过仿真实验比较证明,遗传退火人工神经网络和模拟退火人工神经网络的逼近精度高于遗传算法人工神经网络,而遗传算法人工神经网络收敛速度最快。并且随着求解变量个数的增加,基于遗传退火人工神经网络收敛速度高于改进的模拟退火人工神经网络。

基于改进的BP人工神经网络的物流配送中心选址问题研究

基于地质、交通、水文、通讯、经营环境、选地面积、选地价格和道路设施等八个指标建立了模糊评价矩阵,运用了优化的BP神经网络模型对十个已成熟运营的配送中心数据进行学习,训练出成熟的BP人工神经网络.利用训练得到的网络从定性和定量两个角度在十个备选方案中选出最优配送中心选址.结果表明,应用改进的BP人工神经网络对物流配送中心进行选址是科学有效的.

改进的BP人工神经网络预测软土地基固结沉降量

采用改进的BP人工神经网络较强的非线性映射能力和学习能力,提出了一种有效的沉降预测方法,并用于深港西部通道软土地基固结沉降量的预测.本方法利用实测资料直接建模,避免了传统方法计算过程中各种人为因素的干扰,所建立的模型预测精度高,与实测值较吻合,简便易行,因而具有广泛的工程实用价值.

基于黄金分割理论的改进BP网络地下水水质评价

利用VB语言编写附加动量的改进BP人工神经网络模型程序,并将其加载到Excel中,以湛江市区地下水为例研究水质状况。该模型采用黄金分割理论和试算相结合的方法对网络模型的隐含层节点数进行了优选,研究结果与其他方法相比显示:改进BP人工神经网络模型在地下水水质评价中能够很好地解决评价因子与水质等级间复杂的非线形关系,评价结果的精度有较大地提高。

基于EMD-ANN耦合模型的路基沉降预测方法研究

本研究基于经验模态分解(EMD)与人工神经网络(Artificial Neural Network,ANN)的耦合算法,致力于路基沉降预测方法的深入研究。在道路工程中,路基沉降是一个关键问题,直接影响着道路的安全性和可持续性。为了提高沉降预测的准确性和可靠性,本研究应用EMD将复杂的路基沉降时程信号分解成多个本征模态函数,有效提取信号的局部特征。通过分析各个本征模态函数的特征,确定最具代表性的模态函数为序列趋势项,运用ANN模型对各本征模态函数进行训练,以捕捉各个模态函数之间的非线性关系。通过模型的训练和优化,得到高度适应路基沉降特性的改进ANN预测模型。将经过训练的ANN模型用于对广州某路基沉降进行预测,实验结果表明,采用改进ANN算法的路基沉降预测方法在准确性取得了显著的提升。与传统方法相比,本研究提出的方法能够更好地适应路基沉降信号的复杂变化,并具有更强的泛化能力。因此,该研究为道路工程领域提供了一种先进而可行的沉降预测方法,为提高路基设计的可持续性和安全性提供了有力支持。

ANN Model and Learning Algorithm in Fault Diagnosis for FMS

The fault diagnosis model for FMS based on multi layer feedforward neural networks was discussed An improved BP algorithm,the tactic of initial value selection based on genetic algorithm and the method of network structure optimization were presented for training this model ANN(artificial neural network)fault diagnosis model for the robot in FMS was made by the new algorithm The result is superior to the rtaditional algorithm

基于多种智能算法的腐蚀天然气管道可靠性评价方法

天然气管道地理环境复杂、运行工况多变,以蒙特卡罗模拟为代表的不确定性仿真是目前腐蚀管道可靠性评价的主要方法。然而天然气管道高设计可靠度特性所带来的高次模拟问题,使蒙特卡罗模拟十分耗时。为解决这一问题,本文采用神经网络算法取代蒙特卡罗模拟的可靠性评价方法,建立管道基本参数与可靠度的非线性模型。针对目前神经网络算法应用过程中存在的先验信息与神经网络模型的融合问题,本文创新性地提出智能优化算法与神经网络算法相结合的方法。该方法能够将腐蚀管道可靠度变化规律融入到建模过程中。建立了从特征变量的选择、样本数据的生成与处理、神经网络模型构建及模型预测效果评价一体化计算流程。在多种工况下采用神经网络模型对管道结构可靠度进行预测,结果表明该模型能够在极短的时间内获得与蒙特卡罗模拟高度近似的评价结果。相比于传统的神经网络模型,该方法建立的模型在可靠度预测准确性及可靠度变化规律的反映能力方面均有大幅度提高。