基于指数神经元的模型感知器的设计

基于神经元感知器结构并采用最速下降自适应算法 ,针对电导、温度、湿度、水分、浓度、油粘度等测量问题设计一种基于指数神经元的自适应模型感知器 ,同时在一定意义上实现了信息融合。分析讨论了学习参数对感知器建模工作性能的影响 ,给出了电导、温度、水分应用实例的仿真曲线。结果表明 ,所设计的自适应模型感知器应用于传感器及测量系统的自动建模是有效的。该种建模方法和机制也可作为智能单元 (硬件或软件 )灵活地应用于实际测量或控制系统 。

多层感知器模型在中医人格、体质预测糖尿病性冠心病患病风险中的应用研究

目的探讨多层感知器(MLP)模型在中医人格、体质预测糖尿病性冠心病患病风险中的预测效能,为该病客观化预测提供新方法。方法采用单因素Logistic回归进行变量筛选,筛选有统计学意义的中医人格、体质类型指标,作为MLP及多因素Logistic回归的分析变量,以构建中医人格、体质对糖尿病性冠心病患病风险的预测模型。采用受试者工作特征曲线(ROC曲线)比较2种模型的预测效能。结果 MLP预测模型的灵敏度OR95%CI=0.915(0.862,0.968)、特异度OR95%CI=0.846(0.793,0.912)、AUC OR95%CI=0.913(0.806,0.987),均优于Logistic回归预测模型[灵敏度OR95%CI=0.834(0.695,0.953)、特异度OR95%CI=0.762(0.623,0.901)、AUC OR95%CI=0.869(0.730,0.941)]。结论在中医人格、体质对糖尿病性冠心病患病风险的客观化预测中,MLP模型较Logistic回归模型具有更好的预测效能。

专题研究型教学在《神经网络计算》课程中的课堂教学实例——以“感知器”模型教学为例

以"感知器模型"的课堂教学为出发点,详细的介绍专题研究型教学模式在《神经网络计算》课程中的应用,从学生的实验结果可以看出,该方法可以提高学生的学习积极性,有一定的研究价值。

三种预测模型在出生缺陷发生趋势预测中的可行性研究

目的探讨ARIMA乘积季节模型、Holt-Winters季节模型、多层感知器模型在出生缺陷发生趋势预测中的可行性。方法本文采用2009年10月至2016年9月西安市妇幼保健院出生缺陷监测及围产儿数据进行研究。选择2009年10月至2015年8月出生缺陷月发生率时间序列进行模型拟合,应用2015年9月至2016年9月出生缺陷月发生率对模型进行评价。结果三种模型均通过了检验。ARIMA(0,0,1)(0,1,1)_(12)模型预测平均绝对误差和相对误差分别为11.64和0.11。Holt-Winters加法模型预测平均绝对误差和相对误差分别为14.21和0.14。Holt-Winters乘法模型预测平均绝对误差和相对误差分别为16.64和0.16。多层感知器模型预测平均绝对误差和相对误差分别为20.58和0.20,通过比较模型预测能力,最优模型为ARIMA(0,0,1)(0,1,1)_(12)。结论 ARIMA乘积季节模型更加灵活,结果可能较优。同时,随着预测时间的延长,模型预测的准确性降低。

基于数据挖掘的2型糖尿病风险预测模型的建立和应用

目的采用数据挖掘方法,考察2型糖尿病的危险因素,确定最优风险预测模型,为建立手机APP软件提供算法,为糖尿病I级预防提供风险预测支持。方法收集某医院2016年1月—2017年7月的糖尿病患者全数据集,共5 571例,通过与同期体检健康对照组5 571例进行对比研究,分别建立Logistic回归模型和多层感知器神经网络模型,比较优劣,确定最终预测模型。结果结果显示Logistic回归和多层感知器神经网络模型对训练样本的预测准确率分别为89.7%、80.4%,对测试样本的预测准确率分别为89.8%、79.8%。结论 Logistic回归模型对2型糖尿病风险预测效能较高,预测结果也更容易结合临床实际,用于风险控制手机APP软件后台编程。

基于模糊数学及神经网络的心理评估模型

现代心理学领域中已经运用的数学方法很多都缺少严密、精确的实证性。笔者在研究心理健康评估问题时,考虑到影响心理健康的因素都带有模糊性以及各因素的非线性关系比较适合用系统分析,结合人工神经网络和模糊数学理论提出了分类器模型,评估＂心理健康＂、＂心理不健康＂以及＂心理疾病＂三种状态。通过matlab神经网络工具箱训练样本,得到了比较精确的输出结果。在实际应用中,进一步利用模糊数学方法将隶属度作为模型输入,代替了完全用经验评定来确定输入的传统方法,提高了整个评估模型的精确度。

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。

一种结合显式特征和隐式特征的开发者混合推荐算法

现有开发者推荐算法通过对任务和开发者的显式信息进行挖掘,抽取任务和开发者的显式特征,完成针对任务的开发者推荐.然而,由于显式信息中的描述信息是主观的,往往是不精确的,现有基于显式特征的开发者推荐算法性能不够理想.众包软件开发平台除包含大量不精确的描述信息外,还包含客观的、较准确的“任务—开发者”成绩信息,可以有效地推断任务和开发者的隐式特征.考虑到隐式特征作为显式特征的补充,将有效缓解描述信息不精确的难题,提出一种结合显式特征和隐式特征的开发者混合推荐算法.首先,利用任务和开发者的平台可见信息充分提取显式特征,提出面向显式特征的因子分解机(FM)推荐模型建模任务、开发者显式特征和相应评分的映射关系.然后,利用“任务—开发者”成绩矩阵提取隐式特征,提出面向隐式特征的矩阵分解(MF)推荐模型.最后,融合面向显式特征的FM推荐模型和面向隐式特征的MF推荐模型,提出多层感知器融合算法.进一步,针对冷启动问题,首先,基于历史数据,构建多层感知器模型建模显式特征到隐式特征的映射关系.然后,针对冷启动任务或冷启动开发者,通过任务或开发者的显式特征求解相应的隐式特征.最后,基于已训练好的多层感知器融合算法预测评分.在Topcoder软件众包平台的仿真实验表明本文算法相对于对比算法在4种不同测试指标上具有明显的优势.

基于深度学习长短期记忆神经网络的有色金属期货市场预测研究

为提高金融资产预测能力,该文采用深度学习长短期记忆(LSTM)神经网络模型对上海期货交易所(SHFE)和伦敦金属期货交易所(LME)的铝、铜、镍、铅、锡和锌6种有色金属期货价格分别进行长、短期预测,与传统机器学习多层感知器(MLP)模型以及线性自回归移动平均(ARIMA)模型进行对比研究。数据源于Wind数据库和国际货币基金组织(IMF)数据库。使用Python深度学习软件模拟预测有色金属期货价格,结果显示:有色金属期货市场长期预测中,LSTM模型的预测表现略逊于ARIMA模型,MLP模型预测效果不理想;短期预测中,LSTM模型的预测结果和ARIMA模型相近,均优于MLP模型;LSTM模型与MLP模型相比,模型的稳定性和预测的精确度都更加出色。LSTM模型可作为ARIMA模型的最优替代之一。

一种应用神经网络的成组问题实现方法

提出了一种新的成组算法—用神经网络中感知器模型来解决成组问题,此方法有较强的学习能力与容错能力,同时,它能直接给出瓶颈零件.

人工智能在5G无线网络优化中的设计与实现

采用了贝叶斯网络模型,建立了多层感知器预测模型,设计并实现了5G无线网络优化系统。该系统经过大量路测数据的采集和分析,给出了5G无线网络优化问题的解决方案,提高了工作效率,实现了5G无线网络优化工作的智能化,显著提高了社会效益和经济效益。

某煤炭集团煤工尘肺发病预测方法研究

目的研究一种煤工尘肺发病的预测模型,确定适合本次研究的最优模型。方法通过查阅文献初步确定适合本次研究的煤工尘肺发病危险性预测模型,分析比较不同模型的优越性,研究适合不同工种煤工尘肺发病的预测模型。结果多层感知器神经网络预测模型和logistic回归预测模型可以用于预测个体的发病概率。通过对不同工种数学预测模型评价样本的检验,掘进工(χ2=141.96,P<0.001)、采煤工(χ2=135.44,P<0.001)和混合工(χ2=54.84,P<0.001)三工种预测模型差异有高度统计学意义,多层感知器神经网络模型优于logistic预测模型。辅助工两模型差异没有统计学意义(χ2=0,P>0.05),两模型预测能力相当。结论通过比较分析,多层感知器神经网络模型为最优模型。

ARIMA-MLP与ARIMA-RBF模型在流行性腮腺炎发病预测中的应用

目的探索流行性腮腺炎月发病数的最佳预测模型,为流腮发病的预测和预警提供理论依据。方法使用SPSS18.0软件,分别采用单纯自回归移动平均模型(ARIMA模型)、自回归移动平均-多层感知器神经网络模型(ARIMA-MLP组合模型)及自回归移动平均-径向基函数神经网络模型(ARIMA-RBF组合模型)对陕西省2009—2014年流腮月发病数进行拟合,找出最佳预测模型。结果单纯ARIMA模型拟合优度R^2值为0.831,平均绝对误差(MAE)值为267.49;ARIMA-MLP组合模型的R^2值为0.881,MAE值为208.01;ARIMA-RBF组合模型的R^2值为0.898,MAE值为205.82。结论 ARIMARBF组合模型对陕西省流腮月发病数预测效果最佳,可以为流腮发病的预测、预警提供理论依据。