人工神经网络误差反向传播法测定复方苯甲酸涂剂中苯甲酸与水杨酸的含量

目的 对紫外光谱重叠的复方苯甲酸涂剂进行多组分不经分离的含量测定。方法 采用人工神经网络误差反向传播方法 (BP)对复方苯甲酸涂剂进行含量测定。结果 当网络隐蔽层的节点数为 5 ,以 9个节点输入时 ,苯甲酸与水杨酸的平均回收率分别为 10 5 .0 %和 10 2 .0 % ,RSD分别为 1 5 %和 2 0 %。结论 该方法简便、快速 ,测定结果准确。

基于平均模型和误差削减网络的语声转换系统

现阶段用于语声转换的深度学习方法多是通过使用大量的训练数据来生成高质量的语声。该文提出了一种基于平均模型和误差削减网络的语声转换框架,可用于有限数量的训练数据。首先,基于CBHG网络的平均模型使用排除源说话人和目标说话人的多说话人语声数据进行训练;然后,在有限数量的目标语声数据下对平均模型执行自适应训练;最后,提出一种误差削减网络,可以进一步改善转换后语声的质量。实验表明,所提出的语声转换框架可以灵活地处理有限的训练数据,并且在客观和主观评估方面均优于传统框架。

一种基于误差网络映射模型的LRRM校准算法

针对经典的传输线-反射-反射-匹配(Line-Reflect-Reflect-Match, LRRM)校准算法复杂度高的问题,提出了一种基于误差网络映射模型的矢量网络分析仪LRRM校准算法。通过构建混合参数形式的误差网络映射模型,将波参数测量值映射到待测端口上的等效电压电流,仅需引入3个电压电流参数比值作为校准系数,一旦求得3个校准系数即可完成LRRM校准。实验结果表明,所提算法的校准结果与经典算法结果基本一致,证明了所提算法的有效性和准确性。所提算法在保证校准结果精度的前提下,降低了算法的复杂度。

基于误差传递网络的工序流波动分析

减少工序的波动水平是提高工序加工质量的关键,在多工序加工过程中,由于工序间存在着复杂的交互影响效应,波动源的有效识别是一个重要问题。针对这一问题,提出一种基于误差传递网络的节点波动效应评价方法,基于线性关系建立工序间波动传递方程,进而构建由零件加工特征、加工要素节点组成工序流误差传递网络,在此基础上,定义节点的波动传递系数,并给出不同节点的波动效应值量化方法,通过考察各节点波动效应值,确定工序流需要优先进行改进的工序及加工要素节点。一个三工序加工过程被用于验证提出方法,结果表明该方法能够识别工序流薄弱工序节点。

基于误差反传神经网络的智能预诊方法及其应用

为实现在故障发生之前进行预测和预防,从实现智能预诊的系统功能角度出发,提出了智能预诊方法框架,建立了基于误差反传神经网络的性能衰退过程智能评估及剩余寿命动态预测模型,并对模型的有效性与预测误差等问题进行了深入分析。从实际应用的角度出发,针对信息不完备问题,实现了模型更新与动态预测。随着采集数据的不断增多,对预测模型进行适当调整,用调整后的网络模型给出剩余寿命的动态估值。提出的智能预诊方法已应用于哈尔滨汽轮机厂叶片材料疲劳测试分析系统,对叶片材料性能的分析与剩余寿命的预测证明了该方法的实用性和有效性。

基于误差反向传播神经网络的胃癌细胞识别研究

目的探讨误差反向传播(backpro pagation,BP)神经网络在胃癌细胞识别中的应用价值。方法在308例胃切除病例的胃组织切片中选取510个胃细胞,其中腺癌细胞210个,非癌性细胞300个,测量细胞的10个形态学特征。将所得到的数据随机分成A组(训练组)和B组(测试组)。建立三层BP神经网络,并利用A组数据对神经网络进行训练,再利用A、B两组数据对网络模型进行检验测试。结果BP神经网络对A组细胞识别的灵敏度为99%,特异度为99%,阳性预测值为98%,阴性预测值为99%,识别正确率为98%;对B组细胞识别的灵敏度为99%,特异度为97%,阳性预测值为96%,阴性预测值为99%,识别正确率为98%。ROC曲线下面积为0.99。结论本研究结果显示,BP神经网络用于胃癌细胞识别非常有效,可用于胃癌细胞的自动识别。

通风阻力测定网络解算过程中误差分析

利用MVS2002通风安全软件以往进行的网络解算,对解算结果出现的较大误差做了分析,作出小结并提出了调节方法。

综合传动换挡品质的误差逆传播神经网络评价方法

从换挡平顺性的角度出发,确定涡轮转速变化率的峰值、涡轮转速平均变化率及挡位3个参数作为客观评价指标,并将其细化定义;基于神经网络的基本原理,利用误差逆传播神经网络(BPNN)对履带车辆综合传动装置换挡品质评价进行客观描述;应用Matlab/Simulink软件的神经网络工具箱函数,建立用于评价车辆换挡品质的神经网络模型,并借助于GUI工具箱开发换挡品质客观评价等级软件进行仿真研究。通过神经网络测试结果与主观评价对比,证明此方法与传统主观评价方法具有较好的一致性,增强了换挡品质评价的客观性、针对性和灵活性。

基于SVR误差补偿技术的神经网络城市污水厂水质预测

城市污水处理是一个复杂的生化处理过程,现在的神经网络技术无法做到对此过程精准建模。为了解决该问题,提出了一种基于SVR误差补偿技术的神经网络水质预测算法。该算法先利用BP神经网络对水质处理过程进行映射,再利用SVR误差补偿模型获得BP网络的预测补偿,进行预测数据校正。为了验证补偿模型的性能,还组织了马尔科夫补偿模型的对比试验。试验结果表明,SVR误差补偿模型可有效提高模型预测的精度,且模型性能优于马尔科夫补偿模型。

基于误差反向传播神经网络的超视距协同空战研究

针对多机协同空战中的多目标分配问题,利用构造的误差反向传播(BP)神经网络模型对超视距空战情况下的几种典型的第3代战斗机空战性能进行比较评估,在此基础上建立了协同优先的分配模型。给出了协同优先权的计算步骤。仿真算例表明了模型的有效性。

基于反射和传输方式的误差网络校准方法

针对矢量网络分析仪的误差网络e00,e01,e11,e22,e30,e32六参数的求解,文中提出了一种新的基于反射和传输测试网络的方法,获得了误差参数的解,经过实验验证,该方法在5GHz频率范围内,测量值与理论值吻合得非常好。

浅谈误差逆传播神经网络的网站验证码识别研究

国内很多网站为了防止用户利用机器人自动注册，采用了验证码技术。验证码是网络上普遍采用的一种用于真人交互证明的有效途径。为了提高验证码的识别率，前期先对验证码进行分割处理，后期采用了人工智能算法，即以误差逆传播神经网络对验证码识别进行了探讨。本文最后对样本进行了实验分析，取得了较高的识别率。

误差逆向传播神经网络模型对脑出血患者血肿体积扩大的预测作用

目的研究误差逆向传播(BP)神经网络模型对脑出血患者血肿扩大(HE)的预测结果。方法回顾性分析解放军第三○九医院于2011年1月至2014年12月连续入院并诊断为脑出血的128例患者的临床资料。应用Matlab 7.14软件实现BP神经网络模型对脑出血患者24 h内HE(HE≥6.0 ml和HE≥12.5 ml)的预测。计算模型的均方差(MSE)以及整体预测的准确度;绘制预测HE的受试者工作特征(ROC)曲线。结果 BP神经网络预测HE≥6.0 ml和HE≥12.5 ml时,训练集、校验集、测试集的MSE分别为0.061、0.143、0.052和0.023、0.057、0.065。对HE拟合最佳验证性能分别为:HE≥6.0 ml网络训练11次,误差值为0.224;HE≥12.5 ml网络训练20次,误差值为0.057。预测HE≥6.0 ml和HE≥12.5 ml的整体准确度分别为92.2%(118/128)、96.9%(124/128)。结论 BP神经网络模型对数据要求无特殊限制,能够较为准确地拟合脑出血HE模型。

用误差反向传播神经网络预测太子河鞍山段小姐庙断面的COD浓度

通过建立BP模型,借助Matlab7.1软件对太子河鞍山段小姐庙断面的COD浓度进行了预测,结果表明,用BP模型预测的太子河鞍山段小姐庙断面COD浓度与实测值基本相近,说明了利用BP模型预测水体的COD浓度具有预测精度高、使用方便、适应性强等优点,可应用于河流水体中COD的预测和管理工作中。

基于BP神经网络的马尔可夫链移动性预测算法

为了改善马尔科夫链在用户移动性预测过程中时延较大、准确率不高的问题,提出一种基于误差反向传播(Back Propagation,BP)神经网络的马尔可夫链移动性预测算法(Markov Chain Mobility Prediction Algorithm based on BP Neural Network,MC-BP)。该算法采用加权的误差函数对BP神经网络进行改进,通过改进的BP神经网络对状态转移概率矩阵进行训练和更新,将其结果代入马尔可夫链,得到预测的下一位置点坐标,并与实际坐标进行对比,从而完成用户移动性预测。将MC-BP与基于在线学习的马尔可夫链预测(Markov Chain based on the Online Learning System,MC-OLS)算法和BP算法进行对比,仿真结果表明,所提算法的运行时间更短,其预测准确率均高于其他两种对比算法,且能够适应不同数据集下的用户轨迹。

基于改进神经网络算法的PM2.5污染信号分析检测

当前为了保证污染信号分析的精度,在对PM2.5污染进行检测的过程中,需处理的数据量过大,导致经典神经网络方法遇到矛盾数据时,需要花费大量的数据校验时间,收敛速度下降,检测效率大幅降低,提出一种基于改进神经网络算法的PM2.5污染检测方法,在分析标准神经网络算法的基础上,允许信号跳变精确度范围内,在层与层之间引入容错性变量,同时在计算阈值的过程中融入松弛变量,提高收敛速度;避免神经网络陷入局部最优解;采用改进神经网络算法,通过不断调整网络的权值以及污染阈值,对PM2.5污染信号进行高效检测;以飞利浦公司的新一代检测系统为测试器材,测试结果表明,采用所提方法得到的PM2.5污染检测效率明显提高。

基于人工神经网络构建的赤潮短期预报模型及应用

利用大数据赤潮预报方法,基于福建沿岸24个生态浮标和5个大浮标历史数据及实时监测数据,采用人工神经网络实现福建沿岸赤潮的业务化预报。赤潮短期预报模型由误差反向传播网络(BP)和径向基神经网络(RBF)构成,结合福建沿岸所有赤潮事件的高频采样数据样本,每天可算出480个预报结果,最后对预报结果进行发生概率等级判断,最终实现福建沿岸10个赤潮监测区赤潮发生概率等级的业务化预报。赤潮短期预报模型成功预报出2019年5月下旬福建北部发生的多起赤潮事件,2019年和2020年24 h时效的赤潮预报结果正确率达到95%和99%,赤潮识别率达到60%和55%。

函数增强型神经网络应用于钢的冷弯性能研究

函数增强型神经网络（FunctionalEnhancedNet，简称FEN）是一种无隐含层的新型网络，作者应用其三阶联合激励增强特性对钢的冷弯性能进行判别研究，识别准确率近100％．对预测集的每一个输入信号添加噪音干扰，发现依然能准确判别．网络误差下降随着添加噪音的增大而逐渐变慢，可见该网络的容错能力令人满意．

浅谈误差逆传播神经网络的网站验证码识别研究

国内很多网站为了防止用户利用机器人自动注册,采用了验证码技术。验证码是网络上普遍采用的一种用于真人交互证明的有效途径。为了提高验证码的识别率,前期先对验证码进行预处理,后期采用了人工智能算法,即以误差逆传播神经网络对验证码识别进行了探讨。本文最后对测试样本进行了实验分析,取得了较高的识别率。

混凝土误差反向传播神经网络模型的研究应用综述

为推进误差反向传播神经网络模型甚至机器学习模型在水泥混凝土材料中的研究应用,使得混凝土材料性能研究领域能出现更多突破,整理总结了误差反向传播神经网络模型在混凝土材料性能方面的研究应用情况,并就其存在的问题进行讨论,提出可能的解决方式,及对未来进一步的研究方向提出建议。