采用神经网络与贝叶斯反演法自动优化乙酸化学反应动力学模型

为了解决传统化学反应动力学模型构建效率低、不确定度无法准确衡量的问题,提出了基于实验数据驱动的模型智能化构建方法。利用人工神经网络和马尔可夫蒙特卡罗链加速贝叶斯反演法的求解,基于层流火焰速度实验数据自动优化乙酸模型。仿真结果表明:通过增加神经网络样本数和隐藏层数使测试集的误差小于1%,满足化学反应动力学替代模型的要求;神经网络能够产生大量样本,有效减少马尔可夫链取样过程的误差以提高收敛效率;利用层流火焰速度实验数据约束后,反应CH_(2)CO_(2)H+H=CH_(2)CO+H_(2)O的速率常数的后验概率相对于先验概率发生了显著变化,均值在优化后增大了10倍,误差明显减小,该反应对乙酸层流速度的影响最为显著;优化后的化学反应动力学模型能够准确预测不同温度下的层流火焰速度,并且约束后的模型不确定度明显降低。研究结果可为化学反应动力学模型的实际工程应用提供参考。

基于局部应力法的Bayes-神经网络舵板寿命预测

舵板是某水下航行体的关重件,为预测其使用寿命,文章建立了舵板航行体的计算域模型,通过仿真并运用局部应力应变法,计算出舵板在特定环境应力下的寿命;利用贝叶斯估计的先验知识以及神经网络,联合预测出舵板在不同的环境应力下的使用寿命。

基于卷积神经网络和贝叶斯分类器的句子分类模型

针对传统句子分类模型存在特征提取过程复杂且分类准确率较低等不足,利用当下流行的基于深度学习模型的卷积神经网络在特征提取上的优势,结合传统句子分类方法提出一种基于卷积神经网络和贝叶斯分类器的句子分类模型。该模型首先利用卷积神经网络提取文本特征,其次利用主成分分析法对文本特征进行降维,最后利用贝叶斯分类器进行句子分类。实验结果表明在康奈尔大学公开的影评数据集和斯坦福大学情感分类数据集上,所提模型优于只使用深度学习的模型或传统句子分类模型。

基于改进递归深度信念网络的CSP电站短期出力预测

以预测CSP电站短期出力为目的,首先引入自适应思想对递归深度信念网络的训练算法进行改进,并建立直接法向辐射的短期预测模型。随后提出一种结合静态模型的CSP电站短期出力预测方法。最后进行性能检验,验证了改进递归深度信念网络的可行性,以及CSP电站短期出力预测方法的有效性。研究结果表明:建立的改进递归深度信念网络可提升预测准确性和收敛速度;提出的CSP电站短期出力预测方法可较为准确地预测其短期出力情况。

基于电阻率的滑坡土体含水率贝叶斯LSTM网络模型预测研究

地下水是影响滑坡稳定性的重要参数,目前的土壤水分监测方法存在不同程度的局限性。对此,基于高密度电法与土体含水率的试验数据,采用长短时记忆网络等四种模型预测滑坡土体含水率,以均方根误差和拟合优度为模型评判准则,提出一种基于贝叶斯结构结合经验函数确定Dropout网络层参数的算法来优化模型;依据Dropout不同取值,通过计算模型的训练时间和均方根误差来验证算法的可行性。研究表明,长短时记忆网络模型拟合结果的均方根误差仅为0.0042,拟合优度达0.9705,较其他算法效果更好,将其应用于滑坡土体含水率预测效果更优。算例表明,优化后的模型在Dropout取值为0.52时,均方根误差值与优化前的值相差不大,但模型训练时间减少45 s,模型的计算效率显著提高。

基于贝叶斯估计法的矿区地表沉降预测组合模型

针对单一模型在矿山地表沉降预测中的缺陷,提出了一种基于贝叶斯估计法的沉降预测组合模型。以甘肃金昌西二采区为例,以Sentinel-1A卫星SAR影像为数据源,分别用差分整合移动平均自回归(ARIMA)模型和径向基函数神经网络模型进行单一模型预测,另外基于残差修正法和贝叶斯估计法进行组合模型预测,结果表明:ARIMA模型、径向基函数神经网络模型、残差修正法组合模型、贝叶斯估计法组合模型的平均绝对误差分别为14.067、9.427、7.415、3.326 mm,平均相对误差分别为11.40%、7.39%、6.14%、2.65%,均方根误差分别为15.878、12.097、11.335、6.254 mm;组合模型预测精度较单一模型有明显的提升,其中基于贝叶斯估计法的组合模型性能最佳,可用于中长期的矿山地表沉降预测。

基于BOHB-BP的增材制造成型件质量预测方法

表面粗糙度和拉伸强度是衡量熔融沉积制造(FDM)成型件质量的重要指标,但由于FDM工艺参数众多,且与FDM成型件质量之间呈现非线性关系,因此传统方法难以准确预测这两项指标。为此,提出一种贝叶斯超频道优化算法(BOHB)与BP神经网络相结合的FDM 3D打印成型件质量预测方法以提高预测精度与稳定性。将层厚、扫描次数和填充间隔这三个工艺参数作为模型的输入;利用BOHB算法对BP神经网络的超参数进行优化得到BOHB-BP模型;使用中心复合实验获取表面粗糙度和拉伸强度的实验数据,在以上两种数据集上根据留一法验证模型的精度与稳定性;将模型BOHB-BP与模型GA-BP和BP的预测情况进行对比实验,证明了所提方法在不同数据集上均有更好的预测精度与稳定性。

基于BCPNN法的药品不良反应信号检测与自动预警技术研究

针对目前我国药品不良反应(ADR)信号检测与自动预警存在的问题,在分析当前各种ADR信号检测方法的基础上,研究并建立了基于BCPNN法和SRS数据库的ADR信号检测算法模型,应用Java语言开发了药品不良反应信号检测与自动预警程序,最后通过应用实例说明了上述方法的有效性。

基于数据挖掘技术的算法研究

分析了贝叶斯信念网络和数理统计方法在数据挖掘中的作用,提出了一种贝叶斯信念网络和基于数理统计的数据挖掘模型,并用实例证明该数据挖掘模型有效性。对传统的贝叶斯信念网络构造算法做了许多改进,在不影响其性能的基础上,极大地提高了运算速度。

随机子空间深度回归方法在紫外光谱水质分析中的应用

紫外光谱法进行TOC浓度分析时存在数量多、维数高等问题。针对此问题,提出了一种基于随机子空间深度回归的分析方法。该算法首先采集TOC标准溶液的紫外光谱数据进行预处理,得到吸光度数据;然后在高维数据空间随机选取低维子空间来构造不同的特征子集,并采用深度信念网络对各子集进行特征提取;最后将得到的低维特征进行组合后送入BP神经网络中进行训练,建立TOC浓度反演模型。在构建的水质分析平台上的实验结果表明,提出的基于随机子空间深度回归的水质分析方法对每种TOC浓度反演结果的相对误差均在1%以内,且反演结果的稳定性和准确性也要优于常规的水质分析方法。

基于FAERS的贝伐珠单抗相关药品不良事件信号挖掘

目的 促进贝伐珠单抗的临床安全使用。方法 通过美国食品和药物管理局不良事件报告系统(FAERS)提取2014年1月1日至2023年5月1日以贝伐珠单抗为首要怀疑药物的药品不良事件(ADE)报告,借助OpenVigil 2.1在线工具进行数据挖掘;采用报告比值比(ROR)法和贝叶斯置信区间递进神经网络(BCPNN)法联合检验ADE信号,利用《监管活动医学词典》(MedDRA)25.1中的首选语(PT)和系统器官分类(SOC)对ADE信号进行归类与分析。结果 共获得以贝伐珠单抗为首要怀疑药物的ADE报告60 675份,涉及患者60 675例,上报地区主要为北美洲(48.78%)和亚洲(29.00%);严重ADE报告中,以死亡报告数最多(14 358例,23.66%)。605个PT信号涉及ADE报告20 127份(患者20 127例),可归入21个SOC,信号数排前3的SOC分别为胃肠系统疾病(89个),良性、恶性及性质不明的肿瘤(包括囊状和息肉状肿瘤,68个)及眼器官疾病(66个);ADE例数排前3的SOC分别为全身性疾病及给药部位各种反应(3 059例)、血液及淋巴系统疾病(2 813例)和血管与淋巴管类疾病(2 235例)。ADE报告例数排前5的PT分别为疾病进展(1 279例)、高血压(1 072例)、贫血(585例)、骨髓抑制(583例)和蛋白尿(569例)。结论 临床医师在用药期间除关注贝伐珠单抗的常见ADE外,应重点关注其导致的高血压、蛋白尿、骨髓抑制、出血、胃肠穿孔、间质性肺病等严重ADE。

上市公司财务困境预测——基于ANFIS和马氏距离判别法的组合模型

财务困境预测是现代金融领域的一个重要研究方向,人工智能技术的发展为该类研究提供了更多方法。鉴于单一预测模型的缺陷与低准确率,本文首先运用基于分类的神经网络模糊推理系统、马氏距离判别法和贝叶斯网络构建组合预测模型。然后,以我国制造业类上市公司为研究对象进行财务困境预测实证研究。研究结果表明,该组合预测模型克服了单一预测模型的一些缺陷,对ST公司的预测准确率明显高于其他几种模型,具有较好的预测性能。

基于R语言机器学习的分类算法应用研究

R语言不仅普遍应用在数理统计,在机器学习领域也有出色表现.本文以机器学习中的分类算法为主要内容,探讨R语言在机器学习中的应用.通过对分类方法结果加以分析,推广了R语言的教学研究与应用.

基于FAERS的培唑帕尼不良事件信号挖掘

目的为临床合理使用培唑帕尼提供参考。方法通过美国食品和药物管理局不良事件报告系统(FAERS)获取2009年1月1日至2023年4月30日以培唑帕尼为首要怀疑药物的ADE报告,利用报告比值比(ROR)法和贝叶斯置信递进神经网络(BCPNN)法对ADE信号进行挖掘。结果共得到ADE报告24141份,检测到ADE信号273个,共涉及21个系统器官分类(SOC),其中各类检查(62个,22.71%)、胃肠系统疾病(41个,15.02%)、肝胆系统疾病(17个,6.23%)等涉及信号数较多。首选语(PT)报告例数排前3的分别为腹泻(4065例)、食欲减退(1648例)、高血压(1395例);ADE信号强度排前3的为肛门直肠溃疡、毛发颜色改变、睫毛脱色。结论培唑帕尼ADE信号挖掘结果与其药品说明书记载基本一致。对于培唑帕尼药品说明书中未提及的部分ADE,如肿块(多部位)、黄视症等,目前虽尚无研究证实与使用该药有直接关联,但临床使用时也需留意。

基于FAERS的芦可替尼药品不良事件信号挖掘

目的 为临床合理、安全使用芦可替尼提供参考。方法 检索美国食品和药物管理局不良事件报告系统(FAERS)2011年11月16日至2022年12月31日以芦可替尼为首要怀疑药物的药品不良事件(ADE)报告,联用报告比值比(ROR)法及贝叶斯置信区间递进神经网络(BCPNN)法挖掘其ADE信号。结果 共筛选出芦可替尼相关ADE报告13 885份,男女比例为1.24∶1,上报国家/地区以北美洲报告数量最多(68.78%)。共挖掘到195个ADE风险信号,涉及14个系统器官分类(SOC),主要包括各类检查(53个)、血液及淋巴系统疾病(45个)、感染及侵染类疾病(24个)等,主要表现为贫血(1486次)、血红蛋白降低(1330次)、血小板计数降低(1 312次)等。共挖掘到30个感染信号及20个肿瘤相关ADE风险信号,发生频次排名前3的感染信号为带状疱疹(288次)、结核病(127次)、疱疹病毒感染(26次),发生频次排名前3的肿瘤信号为第2种原发恶性肿瘤(298次)、皮肤癌(246次)、鳞状细胞癌(150次),在药品说明书中均已提及。结论 挖掘到的芦可替尼ADE信号、涉及SOC与药品说明书基本一致。临床使用芦可替尼前应做好患者感染、皮肤癌、淋巴瘤的风险评估及用药教育与指导工作,治疗过程中应密切监测血液系统、感染及肿瘤相关指标,通过调整药量、中断治疗避免发生严重ADE,保障临床用药安全。

软件度量数据的建模方法研究

软件度量的目的在于做决策支持。要想通过软件度量做出正确的决策,就必须构造决策目标和量化的软件属性,即度量数据间的关系模型。介绍了当前软件度量领域内用于构造这种关系模型的有代表性的方法。对每种方法的基本原理、一般步骤,以及在软件度量中的应用、优缺点进行了阐述;最后还指出了两种尚未被广泛用于软件度量领域而又有一定潜力的新方法。

基于移动代理的网络故障管理的研究

将移动代理和人工智能技术引入网络故障管理。介绍了人工智能中神经网络、贝叶斯信念网络对于处理故障管理中的告警相关、故障诊断以及故障定位等所具备的优越性,并提出了几种设计思想。

正则化参数求解方法研究

针对BP神经网络算法训练过程中出现的过拟合问题,提出了利用一阶原点矩,二阶原点矩,方差和极大似然估计概念的推广来计算L2正则化中正则化参数λ值的方法。该方法通过对算法数据集[X,Y]中的X矩阵进行运算得到的四个λ值,BP神经网络算法训练时通常采用的是贝叶斯正则化方法,贝叶斯正则化方法存在着对先验分布和数据分布依赖等问题,而利用上述概念的推广计算的参数代入L2正则化的方法简便没有应用条件限制;在BP神经网络手写数字识别的实验中,将该方法与贝叶斯正则化方法应用到实验中后的算法识别结果进行比较,正确率提高了1.14-1.50个百分点;因而计算得到的λ值应用到L2正则化方法与贝叶斯正则化方法相比更能使得BP神经网络算法的泛化能力强,证明了该算法的有效性。

综合BME和BNN法的农田土壤水分与养分分布空间插值

掌握农田土壤水分和养分的空间分布特征是实现农田土壤精确管理及实施精确农业的重要依据。以有限的采样信息为基础,通过多种空间分析理论的融合,形成优势互补的综合方法,对提高土壤变量空间分布模拟和绘图精度具有重要意义。该文将贝叶斯最大熵法（Bayesian maximum entropy,BME）和贝叶斯人工神经网络方法（Bayesian neural networks,BNN）结合形成一种空间插值新方法,即用BNN法表达估值的不确定性,并将其结果融入现代地质统计学BME法中,用融入BNN法结果的BME法（Bayesian maximum entropy method combined with Bayesian neural networks,BMENN）模拟土壤变量的空间分布。以江苏省扬州市区北部某田块的土壤水分、有机质、全氮、碱解氮、速效钾和速效磷6种土壤特性的采样数据为例,运用交叉验证法,将BMENN法对土壤变量的估值精度与BNN法、普通克立格法（ordinary Kriging,OK）进行了比较。结果表明：与OK法和BNN法相比,BMENN法将估计方差（mean squared error,MSE）缩小2.26%~23.54%,具有最小的估计方差和接近于0的平均绝对误差（mean error,ME）;BMENN法的估计值与实测值相关系数更大（r=0.62~0.89）,具有更高的相关程度;MSE的组成分析表明,BMENN法再现变量波动程度和波动大小的能力更强;从模拟的空间分布图来看,BMENN法绘制的空间分布图更连续,＂牛眼＂较少,更符合土壤变量的地学规律。BMENN法对于利用有限数据信息提高土壤变量空间分布模拟精度具有重要意义,并可为土壤管理、精准农业的实施以及区域环境规划等提供科学依据。

基于BCPNN法对依洛尤单抗不良反应信号的挖掘与分析

目的对依洛尤单抗上市后安全性进行再评价,为临床安全合理用药提供依据。方法采用BCPNN法对FAERS数据库中2015年第1季度至2021年第2季度收集的报告进行信号挖掘及分析。结果首要怀疑依洛尤单抗的报告有71020份;其中女性(53.93%)多于男性(41.19%),年龄主要集中在45岁以上(64.77%),给药剂量和频次以140 mg每2周1次为主,上报ADR数量最多的国家为美国(97.55%);BCPNN法挖掘出105个安全警戒信号,累及14个系统,以给药部位各种反应的报告数和信号数最多,其次是呼吸系统和各种肌肉骨骼病。说明书中未提及新的ADR信号有65个。眼睑疖、牙齿感觉减退、血尿酸异常、极低LDL-C、听力减退、睡眠障碍、呆滞等为新的ADR信号。严重ADR报告有3121例,以导致住院或住院时间延长最多,得到49个信号,累及11个SOC。结论临床使用依洛尤单抗时,可重点关注老年女性患者,尤其是合并基础疾病免疫力低下者;空腹血糖受损患者,密切监测血糖和糖化血红蛋白水平;当合并使用他汀类药物时,警惕肌病发生风险;适当培训注射技术,可降低注射部位反应。