时频广义S变换和VL-MOBP神经网络在人体动作识别中的应用

针对仿生假肢动作识别问题,提出基于时频广义S变换和VL-MOBP神经网络的下肢动作识别方法。首先用时频广义S变换对年龄在20~40岁,身高在170~185 cm,体重在50~75 kg的22名男性测试者下肢4种表面肌电信号和膝盖弯曲度信号进行多分辨率分析,得到在时间和频率分辨率较好情况下信号时频累计特性曲线,然后提取时频累计特性曲线幅值的均值和标准差作为特征向量,用VL-MOBP神经网络对人体下肢的行走、站立及静坐3种动作进行识别。实验结果表明,提出的下肢动作识别方法能够取得很好的识别效果,平均识别准确度达96.67%,高出小波变换约56%,高出短时傅里叶变换约36%,验证了该方法在动作识别中的有效性。

基于MOBP模型的西安市用水量预测分析

根据1986—2005年的用水量数据,采用主成分分析法和BP神经网络法相结合的MOBP模型,对西安市2010年和2015年的水资源用量进行预测.结果表明:主成分分析法运用降维思想能较为客观地筛选和权衡多因子,Matlab软件中的MOBP神经网络模型的相对平均误差值约为6%,是精度较高的预测模型.运用该模型预测出西安市2010年的用水量为24.14×108m3,2015年的用水量为27.11×108m3.

MOBP基因在注意缺陷多动障碍大鼠前额叶皮层表达的研究

目的:探讨注意缺陷多动障碍(ADHD)动物模型SHR大鼠前额叶皮层MOBP基因表达情况,分析其在ADHD病理生理学中的意义。方法:应用RT-PCR、免疫组化、电镜技术检测该基因mRNA、蛋白表达情况以及轴突髓鞘形态变化。结果:RT-PCR结果显示SHR大鼠脑组织中MOBP mRNA表达水平(35.78±6.04)%明显低于正常对照WKY大鼠(69.41±7.43)%(P<0.01);免疫组化结果提示SHR大鼠前额叶皮层髓鞘着色显著变浅、稀疏,着色面积占总面积比例(7.43±3.51)%较对照组WKY(14.39±5.82)%明显减少(P<0.05);电镜观察结果显示,部分SHR大鼠髓鞘放射性结构呈直线性分布。结论:MOBP基因在SHR中的表达下调可能通过参与损害中枢神经系统髓鞘结构和功能,在ADHD病理机制中发挥作用。

基于MOBP神经网络的贵州生态可持续性发展研究

本文利用M OBP神经网络来模拟生态系统的功能,结合实际筛选符合贵州省实际的影响因子,采集2008-2014年的数据,构建模型,进行训练、检验,建立了建立了贵州生态可持续发展神经网络评价体系,并模拟仿真结果。

基于小波变换与MOBP的股价预测

提出了一种基于小波变换与改进动量BP神经网络(MOBP)的股价预测方法。将股票价格所构成的非平稳时间序列小波分解,建立基于优化权值的改进动量BP神经网络(MOBP)预测模型,对分解得到的近似部分与各细节部分分别进行训练,结合各部分的预测结果,可以得到原始序列的预测值。实验结果表明,这种方法预测效果较为理想,且相对于传统的BP神经网络预测的准确度有明显的提高。

基于多层感知机神经网络的智能高度传感器设计

基于大气中的两个物理参量:大气静压力、大气温度以及它们和几何高度的关系,借助于压阻式压力传感器和温度传感器对大气静压力和温度进行测量,并以两个传感器作为多层感知机网络的输入,以几何高度作为网络的输出.利用标准数据采用动批量法(MOBP算法)对网络进行训练,得到网络各层的权值和偏置值,由此可以确定在任意静压力和温度输入作用下,网络输出的精确几何高度值,神经网络的算法可借助DSP芯片实现.实验表明采用该方法设计的传感器比采用曲面拟合的方法具有更高的精确度和抑制传感器的温度漂移和时间漂移的优势.

一种BP神经网络声音特征信号的识别方法

建立了一个三层前向神经网络对四种声音信号进行识别分类,网络采用改进学习的BP算法训练,即在最速下降法训练的基础上,引入了MOBP动量因子和学习率调整。仿真验证结果表明,所设计的BP网络识别分类误差小,识别正确率高。

基于改进学习的BP网络声音特征信号识别

建立了一个三层前向神经网络对四种声音信号进行识别分类,网络采用改进学习的BP算法训练,即在最速下降法训练的基础上,引入了MOBP动量因子和学习率调整。仿真验证结果表明,所设计的BP网络识别分类误差小,识别正确率高。

微型智能低空速传感器的设计

利用大气中的两个物理参量大气静压力、大气动压力和空速的关系,分别用两个高精度压阻式绝对压力传感器对大气静压力和大气动压力进行测量,再用温度传感器对两个绝对压力传感器的测量值进行温度修正,将修正值作为多层感知机神经网络的输入,空速值作为输出.对标准或实验数据采用动批量法进行网络训练,得到网络各层的权值和偏置值,由此可以确定在任意静压力和动压力输入作用下,网络输出估计的空速值,最后借助数字信号处理器芯片实现微型智能低空速传感器的设计.实验结果表明通过训练、学习的传感器具有更高的精确度,同时能够很好地抑制时间漂移.并且很好地解决了低空速测量误差大的问题.