面神经术中监测的技术参数与神经识别

目的评价面神经术中实时监测在耳显微外科手术中的作用及监测方法,探讨全身麻醉对神经监测的影响,为减少医源性神经损伤提供安全保障。方法2001～2004年在45例耳显微神经外科手术中应用神经监护仪行术中实时监测,其中先天性耳畸形手术18例,中耳乳突手术27例,大部分采用插管全身麻醉,记录诱发面肌肌电图反应的电刺激最小电流阈值。结果45例患者面神经功能术后均保留完好,术后复查与术前检查一致,未发生医源性面瘫。面肌肌电图反应的最小电刺激阈值为0.08mA,适宜刺激电流范围为0.2～1.0mA。结论术中面神经监测可以帮助术者进行神经定位,辨认神经,并提供预警,避免医源性面神经损伤。

GNMR:基于图神经网络的三维神经元几何形态检索

神经元形态结构是分析神经元活动和发展功能的重要任务。如何有效识别不同形态的神经元是一个挑战。论文提出了一种基于图形卷积神经网络的三维神经元形态检索新方法(简称GNMR)。首先,采用子-父节点方案对三维神经元进行预处理,根据三维形态的空间几何结构,将一个三维神经元分别映射到X-Y、X-Z和Y-Z三个平面;其次,论文设计了一个GNMR来检索神经元形态,为了避免梯度爆炸和梯度消失的问题,在连接层增加了三层ReLU函数。最后,在NEU-1500数据集上对该方法进行了仿真,实验结果表明该方法能够有效识别三维神经元的形态,具有较高的检索准确率、精准率和召回率。

基于改进遗传算法的藻类神经网络识别

为了借助智能方法对日益严重的水污染进行识别预测,提出了一种改进遗传神经网络识别算法.该算法通过各个分算子的多元冲突、融合、协作和互补等方式,有机地结合形成一种整体优化算子,它包含了降维差异选择、暂态自适应交叉和冲突自适应变异等3个新的彼此相关联的分算子,能有效地生发多样性,提高解空间处处可达性.数值优化及湖泊蓝绿藻神经网络识别实验表明,该算法在克服早熟、提高全局收敛速度和增强神经网络的泛化能力等方面,均取得满意的藻类识别效果.

基于神经模式识别的建筑结构选型方案研究

提出了基于实例推理的建筑结构智能选型模型,揭示了实例检索的模式识别本质。提出了基于神经识别的实例推理方法,并将其应用于建筑结构智能选型的方案生成阶段,通过对高层建筑结构的实际选型设计证明了本方法的有效性。

基于神经网络算法的汽车牌照自动识别系统设计

论述了汽车牌照自动识别系统的组成、原理及车牌图像预处理、字符的定位和分割方法,并在对字符进行特征提取的基础上,研究了利用神经网络算法对字符进行识别这一问题.

一种基于BP神经网络的γ能谱识别方法

根据神经网络可以进行模式分类的特点,利用BP神经网络识别γ能谱的技术进行了初步研究,对影响识别结果的因素进行了探讨。

紫杉醇类似物抗癌活性构效关系的神经网络模式识别研究

经对MM3、MM+、MNDO、PM3几何优化结果进行比较,选用速度最快且精确度较好的MM3分子力学方法计算43个紫杉醇类似物的优势构型,应用MNDO法计算了化合物的电子结构,并用回归分析和BP神经网络模式识别方法寻找其电子结构与抗癌活性的关系.结果表明:(1)紫杉醇类似物及C13侧链的油水分配系数与活性参数间呈抛物线关系,最适油水分配系数Popt=3.14;(2)2-OB z中B z基团的负电荷密度越大,C1、C3原子的正电荷密度越大对活性越有利;(3)R1、R2、1-OH和2-OB z基团可能是药物与受体作用的重要部位.四参数的定量构效关系显著性较好,神经网络模式识别总识别率为98%,可较精确地预测化合物的抗癌活性.

齐家古潜山基岩裂缝的神经网络模式识别

在岩芯裂缝观测基础上,应用岩芯标定测井,分岩性建立了测井解释模型,分析了裂缝发育段在常规测井曲线上的响应特征,并结合钻井泥浆漏失、放空及开发动态资料,识别出典型裂缝段,将其测井响应作为训练样本集,应用神经网络模式识别技术的并行处理、分布式的信息存储、极强的自学习功能和自动调整权值的能力,对齐家古潜山76口井进行了裂缝段的识别,探索出一套综合岩芯、常规测井、测试与动态等信息进行裂缝分布预测的新方法,经钻探证实,效果良好。

神经网络模式识别对金融票据中数字特征的识别方法研究

本文采用神经网络模式识别的方法,研究了金融票据中数字等特征的识别问题。对票据的金额数字和身份证数码进行了分割、图像处理和特征提取,并在此基础上用改进的BP网络对其进行了识别。实验结果表明,用此方法能取得比较好的识别效果。

PWM调制波的多层感知神经网络音频识别

研究了在PWM调制情形下音频信号的保真度分析及音频信号的频率、相位分布建模及其识别。基于Matlab/Simulink建模环境下建立了音频识别系统,利用滤波器对调制波进行归一化操作来完成对信号的预处理。基于音频信号模型构造了3类音频信号。经过识别系统的调制、滤波调理后输入至训练好的多层感知神经网络,分析识别结果显示,音频频率越高时,载波频率较低会降低系统识别率;提高载波频率可提高系统的识别率;并与相应的经典音频识别方案进行了比较。

基于神经网络的舰船目标识别研究

为了实现对水下目标的识别,在现有特征提取方法的基础上,提出了一种从DEMON谱线谱和DEMON谱连续谱提取的特征方法,并设计了一个基于BP神经网络和多神经网络分类识别器的舰船目标识别系统。通过对实际舰船噪声目标进行识别,识别效果比较满意。这对舰船目标识别的发展具有一定的参考价值。

基于自动编码器和神经网络的人体运动识别

当前传统的人体运动识别是基于卷积神经网络（CNN）的方法,但存在原始数据维数高,利用CPU训练时间长及硬件要求高的缺点。针对以上问题,提出一种由自动编码器与模式识别神经网络（PRNN）组成的识别人体运动的深度神经网络模型。算法分为系统学习阶段和动作识别阶段。在系统学习阶段,首先得到每帧的人体轮廓,构建二进制重叠图像作为训练数据,并训练一个自动编码器来提取动作特征;其次,利用所得到的特征通过监督学习训练PRNN;最后建立新的深度神经网络,通过微调获得最佳性能。在动作识别阶段,人体的运动行为序列首先被翻译成二进制重叠图像,然后使用APRNN进行识别。测试结果表明,这种方法具有很好的性能。

基于声发射特征参数的阀门内漏神经网络识别

为解决阀门内漏在线快速检测问题,基于声发射检测技术,采集了DN150闸阀在上下游压差0.8 MPa典型工况下的声发射信号,提取振幅、振铃计数、能量、平均信号电平、信号均方根值5个特征参数作为输入矢量,内漏结果作为输出矢量,建立了3层BP神经网络识别阀门内漏的模型,利用实验数据样本对该模型进行了验证。结果表明,阀门内漏识别准确率超过90%,有利于提高阀门安全运行在线监测水平。

基于小波概率神经网络的纹理识别

随着计算机处理能力的快速提高，彩色图像处理受到人们越来越多的关注。针对现有纹理识别算法计算速度慢，识别精度低等问题，本文提出了一种将颜色信息融人到纹理识别中的新方法——基于小波概率神经网络的彩色纹理识别。首先将RGB彩色纹理图像转化为HSV彩色模型，用小波变换（wT）进行树形结构小波分解提取彩色纹理的特征，然后使用概率神经网络对测试样本进行分类识别。本文对不同的自然纹理图像进行了实验，并将实验结果与文献”0做了比较。实验结果证明，本文方法的识别效果明显优于文献。

神经元识别标签或帮助阐明机体大脑的神经回路

据Carrillo RA 2015年12月17日[Cell,2015,163（7）：1770-1782.]报道,加州理工学院研究者人员鉴别出了一种特殊分子,该分子在果蝇机体中就可以扮演类似神经元标签识别的角色。研究者还发现,来自不同分子家族：Dpr蛋白和DIP蛋白的分子可以有选择性地结合在一起,从而促进表达Dpr蛋白的神经元同表达DIP蛋白的神经元之间进行互联,这一过程在生长发育的果蝇机体的神经肌肉及视觉系统中扮演着重要角色。

基于BP神经网络的会计舞弊识别研究

会计舞弊泛世界化,对企业和国民经济产生严重的危害。那么提高识别能力可以降低其危害。文章以会计舞弊征兆与会计舞弊之间的关系为视角,在设计指标体系的基础上,在对数据的质量进行识别后,采用BP神经网络构建识别系统。研究发现,该系统有更强的鲁棒性与适应性,舞弊识别效果显著。

超声引导联合神经刺激器在上肢臂丛神经阻滞的临床研究

目的 比较超声引导联合神经刺激器（UN）定位与单纯神经刺激器（N）定位行肌间沟臂丛神经阻滞的显影率、识别率、靶神经阻滞完成率,以及神经阻滞的效果和安全性.方法 选择ASA Ⅰ～Ⅱ级,拟行上肢手术的患者80例,随机分为UN组和N组.2组均给予1％利多卡因＋0.375％罗哌卡因20～ 30 mL.评价2组在操作中对臂丛三干神经的显影、识别及阻滞完成率,测试各支神经的感觉阻滞,术中疼痛评分.结果 UN组对肌间沟三干神经的显影率、识别率、阻滞完成率均高于N组,差异有统计学意义（P＜0.01）.对各支神经支配区域的感觉阻滞和术中疼痛评分也优于N组.N组并发症率高于UN组,差异有统计学意义（P＜0.05）.结论 超声联合神经刺激器肌间沟臂丛神经阻滞麻醉,可以在超声监控下准确的识别神经,对显影不清的神经有辅助识别作用.阻滞效果好,并发症少.

基于BP神经网络识别的电泵井实时电流故障诊断方法与应用

电泵井的运行电流数据是判断电泵井故障原因的主要依据。以往电泵井故障诊断主要依据技术人员依据描绘的电流卡片形态进行诊断,诊断结果的可靠性一方面依据技术人员工作经验的积累,另一方面难以实现大批量快速电泵井诊断。现海上油田可采集与传输时电泵井的实时电流数据,大量实时电流数据可为电泵井故障诊断提供数据支持。本文提出基于BP神经网络识别的电泵井实时电流故障诊断:首先利用现场实测电流样本和人工模拟的电流卡卡片形态,按照一定规则进行样本特征值提取建立样本库,其次对实时电流曲线进行模式识别,提取样本特征值,得到其权重值和阀值。最后将实时电流曲线特征值与权值矩阵相似度计算,相似程度可作为判断电泵井故障类型的依据。实践证明该方法可快速、高效、批量用于全油田的电泵井故障诊断。

基于卷积神经网络的变电站缺陷识别

针对变电站缺陷识别的需求,介绍了人工智能在缺陷识别方面的应用。采用基于卷积神经网络的人工智能算法作为智能判断手段。重点阐述了设计思路及改进。经过实验测试,所设计的卷积神经网络识别率达到实用要求,通过终身学习不断学习,对缓解监控人员压力有一定帮助。随着对电网稳定性要求越来越高,以及面对变电站缺陷定位繁琐的形式,需要引入数字化手段,采用更先进的技术手段,才能更好满足消缺的技术要求。