基于自组织映射神经网络的中药注射剂质量快速鉴别方法

将近红外光谱分析技术与人工神经网络相结合,研究提出一种基于自组织映射神经网络的近红外光谱神经元分类模型,用于对中药注射剂产品的近红外光谱进行计算分析,可实现对注射剂质量的快速鉴别。以3个不同厂家生产的参麦注射剂为研究对象,考察本方法的分类能力,其分类正确率达到96.4%,优于参与比较的判别式偏最小二乘法(90.5%)、反向传播神经网络(88.1%)和支持向量机(90.5%)。     

用自组织特征映射神经网络对飞行时间质谱采集的大气气溶胶单粒子进行分类

气溶胶飞行时间质谱仪(ATOFMS)在对气溶胶粒子的测量过程中,产生大量包含单粒子化学成分和粒径信息的数据。本研究采用具备矢量量化与数据降维能力的自组织特征映射网络(SOM),对自制的气溶胶飞行时间质谱仪24 h采集到的室内大气气溶胶质谱数据进行聚类分析。获得"含钙"、"盐类和二次气溶胶"、"二次颗粒"、"有机胺"、"富含钾有机物"、"无机盐"和"土壤"等20类颗粒。相比于其它聚类方法,SOM可进行可视化分析,对神经元进行再次聚类,聚类中心多。这些分类信息将有助于评估气溶胶粒子的反应和毒性,以及鉴别气溶胶粒子的起源。     

基于人工神经网络的生物组织质谱成像分类与识别方法

生物组织质谱成像技术不仅能够展示组织的生物分子信息,而且能直观地显示分子空间分布,是当今生物质谱的研究热点.如何对生物组织质谱成像的数据进行基于生物分子的有效分类与识别是该领域关注的重要问题,特别对于病变组织与其邻近非病变组织的区分与识别和生物组织功能区域的划分与鉴定具有重要的意义.本研究开发出一种新的分类与识别方法.其流程是,首先进行质谱成像数据预处理,应用无监督的自组织特征映射网络区分组织样品区与非组织区域,提取组织区域的质谱数据,应用有监督的学习向量量化网络对已知类别数据进行学习训练,建立模型;应用模型对未知样品进行识别.应用本方法对6个膀胱癌患者的膀胱癌变组织与邻近非癌变组织的质谱成像数据进行分类与识别,结果显示,癌变组织判错率低于23.38％,而非癌变组织判错率低于9.08％,表现出较高的准确度;对3片邻近的小鼠大脑切片质谱成像数据进行白质与灰质区域划分,将中间的1片用于训练,两边的2片用于验证,结果显示,自组织特征映射网络的分类结果与学习向量量化网络的预测结果不一致率低于4％.本方法基于生物分子的质谱成像组织区域分类与识别,具有较高准确度和操作简便等优点,在临床医学研究领域有大规模的应用潜能.     

基于MOLMAP 指数的光化学反应分类预测

由反应物和产物的结构衍生了反应物、产物和化学反应的MOLMAP 指数, 其中化合物的结构由化学键的物理化学性质和拓扑性质所表征. 将前述MOLMAP 指数应用于一个含七类光化学反应的数据集, 通过随机森林建立了三种类型的模型: (1)预测反应物可能发生的反应类型; (2)预测可能合成产物的反应类型; (3)预测整个化学反应的类型. 由于无需指定数据集中参与反应的化学键, 所以, MOLMAP 指数能够得到广泛的应用. 所得分类预测结果好于我们此前对同一数据集的研究, 表明改进化学键的描述有助于提高MOLMAP 指数的预测能力.     

结合拉普拉斯特征映射的权重朴素贝叶斯高光谱分类算法

高光谱遥感可以得到更精确与丰富的遥感信息,因此涵盖了各国家的航空、航天以及小范围的地面观测的多个层级与环节,在对地观测遥感领域占有不可取代的地位。但高光谱数据集往往非常庞大,且包含冗余信息,为后续处理带来了不便。该研究选用拉普拉斯特征映射对高光谱数据降维与特征提取,并提出了一种权重朴素贝叶斯分类算法。通过奖励权重的方法对经典朴素贝叶斯分类器进行了改进,利用公开数据对算法进行验证,判别地物信息准确率达到92.7%,相比于传统方法有了大幅度的提高。     

数量化理论在金银花产地分类中的应用

采用数量化理论的方法.以金银花中微量元素含量作为变量,进行了产地分类,分析结果表明,金银花按产地可分3类:新密、封丘和平邑为一类;南京为一类;昆明和桂林为一类.结果与生产实际一致.     

基于PLS-自组织竞争神经网络近红外光谱技术对鲜乳和掺假乳的检测方法研究

通过偏最小二乘法(partial least squares,PLS)与人工神经网络(artificial neural networks,ANN)联用对鲜乳和掺有植物奶油的牛乳建立识别模型.用PLS法对原始数据进行主成分压缩,采用自组织竞争神经网络建模.取前3个主成分的21个吸收峰值输入网络,学习参数为0.05,网络训练迭代次数为200,模型鉴别准确率达100%.其次建立了植物奶油掺假量的定量检测PLS模型,并采用交互校验和外部检验考察模型的可靠性,模型的校正相关系数为0.996 3,均方估计残差(RMSEC)为0.110;交互校验均方残差(RMSECV)为0.142;应用所建PLS模型对样品中植物奶油添加量进行预测,并对预测值与真值进行配对t检验,结果表明两者差异均不显著.     

一种基于递归自组织神经网络的氨氮浓度预测方法

针对当前污水处理过程出水氨氮浓度测量过程繁琐、仪器设备造价高、测量结果可靠性和精确性低等问题,本发明基于城市污水处理生化反应特性,利用一种递归自组织神经网络实现对关键水质参数氨氮浓度的预测,解决了出水氨氮浓度难以测量的问题;结果表明该递归自组织神经网络能够快速、准确地预测污水处理出水氨氮的浓度,有利于提升污水处理过程出水氨氮浓度质量监控水平和加强城市污水处理厂精细化管理。     

用人工神经网络方法对多环芳烃的致癌性进行分类

将自适应映射（ＳＯＭ）用于多环芳烃致癌性的分级。采用的输入参数为分子比表面积、代谢活性区及亲电活性区的中心碳原子离域能,分子中脱毒区总数。优化的网络参数包括网络数及网格形状,学习次数和学习率、邻居半径等。在最佳网络参数下,多环芳烃致癌性分类准确度大于９７％。     

多组分自组装小分子水凝胶中的自分类组装

多组分组装包含多个可以形成自组装的组分,这在自然过程中是很常见的现象。可以通过分析嵌入天然超分子结构中的结构特点,并根据预测的分子相互作用设计创新材料,但因为对于分子本身性质的理解有限,设计可控层级结构的小分子水凝胶目前仍然面临一定困难,距离自然形成的多层级复杂可控组装体系也比较远。在多组分的超分子化学领域,我们有必要利用系统论的方法研究多组分自组装网络的结构与功能,除了理解组分分子单体的性质,还需要对组分分子形成的化学网络进行研究,才能更好地理解自然。当在多组分系统中触发自组装时,通常产生三种组装方式,即共组装(Co-assembly)、自分类(Self-sorting)和异质多维组装(Multidimensional hierarchical combination of assemblies or heterojunction)。这三种组装体系相互竞争但也可能并存,导致多组分组装体系的复杂性与多元响应性,因此对多组分组装构建块或组装体系的设计与组装结构预测也就具有很大挑战性。多层次的多组分组装过程允许多个自组装体协同和正交运行,并具有精确的空间和时间控制。而自分类现象是多种相关(...     

金银花中绿原酸的微波预处理提取及检测

采用微波预处理法对金银花中绿原酸的提取进行优化,用三波长法测定了绿原酸的含量.设计正交试验,以绿原酸的含量为指标,考察乙醇用量、乙醇浓度和微波处理时间对金银花中绿原酸提取工艺的影响.三波长法检测波长为λ1=280 nm,λ2=325 nm,λ3=380 nm,其回归方程为ΔA=0.0426C 0.0017,相关系数为R=0.998.结果表明在气化剂用量20 mL,乙醇浓度为70(,微波辐射70 s时绿原酸得率最高.与常用的提取和测定方法相比,此方法对设备要求不高,具有更高的准确性与精密度.     

中药血清药理学研究金银花的抑菌活性

采用最低抑菌浓度(MIC)测定方法和抑菌活性试验,考察不同产地的金银花以及含药血清的抑菌效果。试验结果为:含药血清对大肠杆菌和金黄色葡萄球菌的MIC分别为0.5μg绿原酸/mL和0.25μg绿原酸/mL;含药血清抑菌活性为高敏。     

离散小波特征提取及人工神经网络分类法的傅里叶变换红外光谱法识别鳞毛蕨科3种植物

利用水平衰减全反射-傅里叶变换红外光谱法测定了3种药用鳞毛蕨科植物贯众、阔鳞鳞毛蕨和变异鳞毛蕨根部的FT-IR。运用基于离散小波多分辨率分析法对FT-IR吸收较为相似的3种药用蕨类植物根的FT-IR进行特征提取。选择第4、5分解层数的特征向量,进行人工神经网络(Artificial neural network,ANN)训练;再用训练出来的网络对不同产地的3种药用蕨类植物根所得FT-IR小波提取的特征向量进行分类。通过对240个不同样本的预测,说明能够采用基于FT-IR-离散小波特征提取及人工神经网络分类法对同科3种药用蕨类植物根的FT-IR进行识别。     

Neural Network Classification of Mutagens Using Structural Fragment Data

Abstract

A neural network was applied to a large, structurally heterogeneous data set of mutagens and nonmutagens to investigate structure-property relationships. Substructural data comprising a total of 1280 fragments were used as inputs. The training of the back-propagation networks was directed by an algorithm which selected an optimal subset of fragments in order to maximize their discriminating power, and a good predictive network.

The system comprised three programs: the first used a keyfile of 100 fragments to generate training and test files, the second was the network itself and a procedure for ranking the effectiveness of these fragments and the third randomly replaced the lowest fragments. This cycle was then repeated. After running on a 386/33 PC several networks produced approximately 11% failures in the test set and 6% in the training set.

By simplifying the output of the hidden layer it was possible to describe the hidden layer states in terms of clusters of mutagens and non-mutagens. Some of these clusters were structurally homogeneous and contained known mutagenic and non-mutagenic structural classes. This analysis provided a useful means of demonstrating how the network was classifying the data.     

人工神经网络在溶解度预测方面的应用

溶解度作为一项重要的物化指标,一直是化学学科的研究重点。然而,通过实验测量获得数据耗时费力,因此,科研人员建立了多种理论方法来进行估算,其中,人工神经网络因其能够关联复杂的多变量情况而受到广泛关注。本文综述了人工神经网络在物质溶解度预测方面的应用,介绍了应用最广泛的3种神经网络(BP神经网络、小波神经网络、径向基神经网络)的模型结构、预测方法和预测优势,探讨了神经网络的不足以及改进方法。文章最后对神经网络在物质溶解度预测方面的发展前景进行了展望。与其他方法相比,人工神经网络技术在物质溶解度预测方面具有预测结果精确度高、操作简单等特点,具有广阔的应用前景,但输入变量选择、隐含层节点数确定、避免局部最优等问题还需逐步建立系统的理论指导。     

Diagnostic Classification of Normal Persons and Cancer Patients by Using Neural Network Based on Trace Metal Contents in Serum Samples

IntroductionIt is well known that exposure to toxic substances may cause various cancers. These sub-stances include various organic compounds and inorganic elements. From the viewpoint ofcancer prevention and diagnosis, the studies on the relationship between the cause of cancerand the levels of toxic substances have a great imPOrtance. The correlation between concentra-tions of manganese, copper, zinc, arsenic, njckel, chromium, and iron in serum and bloodsamples and various cancers has been…     

神经网络方法用于分辨3种化学物质

神经网络方法用于分辨３种化学物质冯伟,胡上序（浙江大学化工系,杭州,３１００２７）关键词模式分类,神经网络,模拟退火,遗传算法,传感器阵列传感器阵列技术是利用传感器阵列所提供的交叉敏和模式识别及微机处理技术,来提高传感器的选择性和传感器的测量精度［１...     

一种基于RBF神经网络的打印机光谱预测模型

本文提出一种基于RBF(Radial Basis Function,径向基函数)神经网络的打印机光谱预测模型,通过扩展神经网络模型输入变量的项数提高模型的预测精度,扩展项多采用通道驱动值的交叉值、平方值.实验结果表明[1cmy]项的引入能够有效提高模型的预测精度,同时提高网络的泛化能力.而引入[cm² cy² mc² my² yc² ym²]项会导致模型预测精度以及泛化能力降低.[1 cmy]、[c²m²y²]和[cm cy my]项的组合在预测精度和模型泛化能力上均是最优化的,对总样本预测的色度精度为0.475ΔE₀₀,光谱精度RMSE为0.43%.因此选择[1 cmy c²m²y² cm cy my c m y]作为输入变量的RBF神经网络训练模型是满足高精度光谱预测的最优模型.     

人工神经网络用于消化道癌症初级诊断研究

测定了正常人及消化道癌症病人头发样品１１种元素含量,然后将人工神经网络（ＡＮＮ）用于正常人与癌症患者的分类预测,并用独立预测样本作了检验,预报识别率达１００％。讨论了网络参数的选择和发样中微量元素与癌症的关系。结果表明该方法可作为消化道癌症初级诊断的一种辅助手段。