模块化免疫神经网络平衡态检测模型

基于神经网络原理、免疫系统和遗传算法的相关机理,构造了一个网络安全平衡器。该平衡器建立了抗原与抗体平衡态检测的数学模型、抗原与抗体的促进和抑制函数,提出了安全平衡态的概念,给出了抗原与抗体浓度的计算公式和模块化多层分类处理模型,利用促进、抑制函数和遗传算法适应度函数使已受攻击的网络再次达到一种新的安全平衡状态,这为网络安全提供了一个新的途径。理论证明网络安全方案是有效的。

基于模块化神经网络的动态联盟伙伴优化选择

动态联盟的关键问题是伙伴选择问题。本文构造了动态联盟伙伴选择问题的数学模型,提出了一种基于模块化神经网络的动态联盟伙伴选择的优化方法,实现了动态联盟伙伴的优化选择。

遥感及多源地理数据分类中的人工神经网络模型

人工神经网络模型为包括遥感数据在内的多源高维空间数据提供了有效的分类方法。从理论上介绍了后向散射误差传导模型和模块化模型。

基于机器学习的模块化多电平换流器的模型预测控制研究

模型预测控制器(model predictive controller,MPC)因可实现多目标优化控制被广泛应用在模块化多电平换流器(modular multilevel converter,MMC)领域,但随着子模块数量增加,MPC的在线计算量成几何级数增长。因此,提出了基于机器学习的MMC的模型预测控制方法,首先利用MPC-MMC仿真平台收集数据并对数据进行预处理,再进行神经网络训练得到神经网络-MPC(neural network-MPC,NN-MPC)。为了提高神经网络训练效率,采用随机森林来优化神经网络的初始权值和阈值,得到随机森林-神经网络-MPC(random forest-neural network-MPC,RF-NN-MPC),将其用来模拟MPC。仿真结果表明,RF-NN-MPC在学习效率和学习精度方面都优于NN-MPC,在保持了良好的控制效果的同时,使MPC-MMC不受子模块数量约束,在线计算量始终为1次。

人工神经网络肿瘤标志物模型的建立及应用研究

目的 建立8种血清肿瘤标志物(TM)人工神经网络(ANN)诊断模型,以验证其在鉴别恶性肿瘤和提示原发灶不明肿瘤的原发部位中的应用价值。方法 用酶联免疫吸附法及时间分辨荧光分析法分别测定73例肺癌、60例肝癌、76例肠癌、78例胃癌和51例乳腺癌患者, 4例原发灶不明恶性肿瘤患者血清标本中,癌胚抗原(CEA)、α- 甲胎蛋白(AFP)、糖抗原19 9 (CA199)、糖抗原242(CA242)、癌抗原72 4(CA724)、细胞角蛋白19片段(CA211)、神经元特异性烯醇化酶(NSE)和组织多肽抗原(TPA)的含量,结合ANN进行数据建模分析,并用盲法验证模型,对原发灶不明肿瘤的鉴别准确率进行评价。结果 肺癌和肝癌ANN模型,对肺癌和肝癌的鉴别准确率达90 .9%;肠癌和肝癌ANN模型,对肠癌和肝癌的鉴别准确率为88 .9%;肝癌和胃癌ANN模型,对肝癌和胃癌的鉴别准确率为93. 5%;乳腺癌和肺癌ANN模型,对乳腺癌和肺癌的鉴别准确率为80. 5%;用肠癌和肝癌ANN模型鉴别2例原发灶不明肿瘤(术后病理诊断为肠癌)为肠癌;用肝癌和胃癌ANN模型鉴别2例原发灶不明肿瘤(术后病理诊断为肠癌)为胃癌。结论 ANN结合8种TM建立的诊断模型分析法可有效鉴别肺癌等5种肿瘤,并且可能提示原发灶不明的恶性肿瘤的原发部位。

基于环境资源因子的产品平台模块划分方法

产品平台能够根据用户的个性化需求,利用模块化的零部件快速衍生出不同产品.通过分析基于环境资源因子的产品平台模块划分方法,将绿色理念贯穿产品全生命周期过程中,提出基于环境资源属性的产品集成信息模型.通过引入环境资源因子和零部件关联矩阵,分别建立了基于环境资源因子的绿色度目标函数和基于零部件关联矩阵的聚合度目标函数;提出一种改进的免疫克隆多目标优化算法,对二进制基因对进行变异与跟踪,在克隆选择中筛选出满足环境资源属性的非支配抗体,对产品平台的模块化分问题进行多目标优化求解,构建出能够量化评估产品的环境资源属性的产品平台,从而在满足客户对产品功能需求的同时提高了产品对环境的友好性.最后以采煤机为应用实例,通过与其他算法的对比以及与绿色影响程度的分析评价,对该方法进行了验证.

工程物流虚拟企业成员选择模型研究

文章针对工程物流项目的实际需要,建立了工程物流虚拟企业成员的评价指标体系;采用模块化的方式分别建立了该体系的准则层和目标层的BP神经网络模型,进而构建了一种成员选择的双层智能决策模型;模块化的双层结构有利于模型的快速更新和扩展,应用MATLAB软件对此决策模型进行训练和检测,检测结果满足要求。