两种前向神经网络在变压器故障诊断中的应用

针对依靠变压器油中溶解气体分析的传统故障诊断方法存在的不足以及未来智能诊断算法进一步发展的需要,在研究人工神经网络的基础上,介绍了两种前向神经网络在变压器故障诊断中的应用,并用大量的DGA样本数据做了仿真训练。首先讨论了几种常用变压器故障诊断方法的一些缺陷,通过分析现代智能诊断算法的局限性,得出改进人工神经网络的优势。然后结合两种前向神经网络的原理和结构,对变压器内部故障进行了分类和编码。分别设计了相应的故障诊断模型,在MATLAB中做了仿真测试,并给出了仿真程序。仿真结果表明,两种神经网络用于变压器故障识别较为理想,其中PNN网络在样本数量较多时效果更好,有效提高了变压器故障诊断的正确率。     

人工神经网络在超声无损检测中的应用

人工神经网络对于超声无损检测的发展具有重要的意义，本文对国内外人工神经网络在超声无损检测中应用研究做了较为详细的介绍和分析，指出人工神经网络是实现超声无损检测测定量化的有效途径。     

人工智能纳米光子学：光学神经网络与纳米光子学

人工智能技术,特别是人工神经网络的创新引领了许多领域的应用革命,如网络搜索、计算机识别和语言、图像的识别技术。近年来纳米光子学的发展为传统的人工神经网络技术,特别是光学神经网络的发展带来了全新的物理视角以及截然不同的实现方法。一方面,纳米光子学是一门研究光与材料在纳米尺度相互作用的科学,可以带来全新的技术,如超分辨光学加工技术和超分辨光学成像技术,进而推动微纳尺度上多种功能的光学神经网络的实现。另一方面,纳米光子学中光子传播的多频段、高速度、低功耗的特点,促使了光学神经网络向着小体积、高密度、低功耗的方向发展。人工神经网络自身的发展也促使神经网络算法(如逆向设计、深度学习)在纳米光子学器件的设计中发挥前所未有的作用,以满足纳米光子学器件对自身功能、体积、集成度、计算功能的日益增长的要求。以神经网络的发展为起点,阐述人工神经网络特别是光学神经网络的发展趋势,以及人工神经网络与纳米光子学相互促进的发展历程。     

人工神经网络进展(Ⅰ)

一、引 言 近几年来,人工神经网络(ANN)又掀起了一个新的热潮,在有些文献中,人工神经网络也称作神经网络、电子神经网络、神经计算机,在日本则被称作第六代计算机。它在结构和功能上力图模仿人的大脑,尽管这是非常低水平的模仿,然而就是这种低水平的网络模型,在语声、图型识别、分类和优化等方面表现出了极大的应用前景,它可以完成普通计算机不易实现,而人们智能才能实现的功能。正是由于这种智能特点,引起了人们的普遍兴趣。在发达国家都对该领域设立了长期研究项目。表1列出了     

基于超声RF信号的甲状腺结节智能诊断方法*

由于人口老龄化的原因,甲状腺癌的发病率增长率在所有癌症中是最为显著的。因此,对存在癌变可能的甲状腺结节进行预检查显得尤为重要,而超声智能诊断系统在甲状腺结节早期筛查方面已展现出巨大的应用前景。该文的工作旨在提出一种基于超声原始射频信号的组织参数定征和人工神经网络相结合的甲状腺结节智能诊断方法,以提高临床超声诊察效率及准确性。为达成上述目的,该文使用滑动窗口图像分析方法和多兴趣区覆盖的方法提取组织定征参数作为特征,使用人工神经网络进行良恶性分类,并对可能影响分类准确性的相关因素进行参数相关性分析。结果显示,基于临床样本,该文提出的智能诊断方法可达到93.2%敏感度、94.0%特异性和93.5%准确率。该方法一定程度上克服了传统方法无法充分利用图像局部细节信息的不足,有效提高了诊察效率和准确性;另一方面,与深度神经网络相比,本方法对计算资源和样本量的需求较少。因此有望在该文研究基础上最终建立一套可实际用于甲状腺结节的预筛查的临床智能诊断系统。     

超声射频信号的甲状腺结节智能诊断方法

由于人口老龄化的原因,甲状腺癌的发病率增长率在所有癌症中是最为显著的。因此,对存在癌变可能的甲状腺结节进行预检查显得尤为重要,而超声智能诊断系统在甲状腺结节早期筛查方面已展现出巨大的应用前景。该文的工作旨在提出一种基于超声原始射频信号的组织参数定征和人工神经网络相结合的甲状腺结节智能诊断方法,以提高临床超声诊察效率及准确性。为达成上述目的,该文使用滑动窗口图像分析方法和多兴趣区覆盖的方法提取组织定征参数作为特征,使用人工神经网络进行良恶性分类,并对可能影响分类准确性的相关因素进行参数相关性分析。结果显示,基于临床样本,该文提出的智能诊断方法可达到93.2%敏感度、94.0%特异性和93.5%准确率。该方法一定程度上克服了传统方法无法充分利用图像局部细节信息的不足,有效提高了诊察效率和准确性;另一方面,与深度神经网络相比,本方法对计算资源和样本量的需求较少。因此有望在该文研究基础上最终建立一套可实际用于甲状腺结节的预筛查的临床智能诊断系统。     

人工神经网络的发展

回顾人工神经网络的发展历史；介绍三种典型的神经网络模型，指出神经网络目前发展方向。     

CmⅠ偶宇称原子光谱的PLS—BPN方法研究

应用模式识别和人工神经网络相合的ＰＬＳ－ＢＰＮ方法，重新研究了ＣｍⅠ偶宇称原子光谱组态归属问题，解决了前人用ＫＮＮ等早期模式识别方法以及ＣＰＮ神经网络方法进行时的遗留问题。还就一个文献报导为已知的能级，对其组态归属提出了质凝。     

敏感技术物理及应用专题系列(V) 智能传感器技术

本文对智能传感器作了简要介绍，概述了其特征和发展情况，并用实例说明了实现智能传感器的几种途径．最后对智能传感器技术发展提出了一些看法．     

图像处理智能化的发展趋势

介绍了图像处理的发展趋势,对图像处理智能化的理论研究、智能高效的算法和并行处理的硬件系统等几个有关智能图像处理的问题进行了综述与评论。指出无论从军事自动目标识别（ATR）的需求考虑,还是从光学成像仪器的发展,网络视频通信,以及各种高技术的发展来看,图像处理的智能化都具有极其重要的意义,是今后图像处理领域的发展趋势。最后建议近期的工作应围绕在复杂背景下的目标自动捕获（ATA）方面开展研究。     

图像处理智能化的发展趋势

介绍了图像处理的发展趋势,对图像处理智能化的理论研究、智能高效的算法和并行处理的硬件系统等几个有关智能图像处理的问题进行了综述与评论。指出无论从军事自动目标识别(ATR)的需求考虑,还是从光学成像仪器的发展,网络视频通信,以及各种高技术的发展来看,图像处理的智能化都具有极其重要的意义,是今后图像处理领域的发展趋势。最后建议近期的工作应围绕在复杂背景下的目标自动捕获(ATA)方面开展研究。     

指纹信息识别技术与应用

综合叙述了指纹信息识别技术的发展与应用,包括一般指纹识别系统的原理,指纹数据的产生办法,指纹图像的预处理,以及提取特征、分类鉴定的各种方法,例如：结构方法,统计方法,人工神经网络方法,光电混合方法等,并进行了比较和分析。     

基于FPGA和SSPC的智能配电系统设计与实现

航天及航空领域智能配电技术发展迅速。配电系统是航天及航空飞行器的重要分系统,其性能的优劣直接影响到飞行任务的成败,为了提高配电系统的可靠性和灵活性,提出了基于FPGA和SSPC的智能配电系统设计,从航天及航空飞行器智能配电技术的发展现状出发,具体阐述了该系统总体方案的设计思路及关键技术,同时分析了采用FPGA、SSPC和总线通信带来的控制灵活、易于实现故障隔离和系统重构、可靠性高以及系统重量轻等诸多优点。该系统已开展了相关的试验验证,试验结果表明该系统稳定可靠,具有广泛的应用前景。     

量子化学计算核磁共振参数在天然产物结构鉴定中的应用

在过去的十多年中，伴随着量子化学理论与计算机硬件、软件的不断发展，量子化学计算核磁共振参数（quantum chemical calculation of nuclear magnetic resonance parameters，qcc-NMR）的方法也日趋成熟，这些方法往往在较小的计算成本下就可以获得比较理想的计算精度，且对于NMR参数计算结果的分析也从最初的简单统计学方法逐渐发展为基于更为复杂的统计学原理或人工神经网络的方法，这些进展都促使qcc-NMR这一工具在天然产物研究中得到了越来越广泛的应用，从而对传统的NMR技术、质谱，以及各种光谱技术做出了重要补充.本文对qcc-NMR在天然产物结构鉴定中的应用进行了综述，并对近年来的一些应用实例进行了较为详细的分析.     

物理教学中多元智能理论的应用

 发展每个学生的智能优势,挖掘每个学生的智能潜力,使每个学生都能得到全面发展,这是学校教育的目标。哈佛大学心理学教授加德纳,在多年研究大脑科学和进化的基础上,提出了多元智能理论,对中小学教育教学产生了深远的影响。加德纳教授在2004年华东师范大学一场题为《以多元智能理论观看教育》的报告中指出:人的大脑至少由八种以上智能构成,它们是语言智能、数理逻辑智能、音乐智能、空间智能、肢体运动智能、人际交往智能、自省智能、自然观察智能以及生存智能。传统的智力理论所指的“智能”主要就是第一、第二种智能,而这两方面恰恰是现在教学中特别突出和关注的智能。     

基于不同模型的土壤有机质含量高光谱反演比较分析

以新疆奇台县为研究区域,选取该县40个土壤样本,采用多元线性逐步回归法和人工神经网络法两种方法分别建立了土壤有机质含量的反演模型,并对模型进行了检验。结果发现：不同模型的精度值各异,其拟合效果从高到低依次为人工神经网络(ANNs)集成模型＞单个人工神经网络(ANNs)模型＞多元逐步回归(MLSR)模型。人工神经网络的线性和非线性逼近能力较强,而其集成模型作为提高反演模型精度的重要手段,相关系数高达0.938,均方根误差和总均方根误差最小,分别仅为2.13和1.404,对土壤有机质含量的预测能力与实测光谱非常接近,分析结果达到了较实用的预测精度,为最优拟合模型。     

红外光谱法测定润滑油的低温流变性能

本文采用红外光谱表征的润滑油结构族组成信息，采用人工神经网络为数据处理工具，预测了润滑油的ＣＣＳ－１５℃粘度，得到很好结果，研究结果表明在润滑油组成、结构与性能研究中，人工神经网络是一种有效的处理工具。     

Pi－Sigma网络在水声目标分类中的应用

长期以来，由于受许多因素的影响，使得水声目标的分类已成为一个十分困难的问题。现在，随着人工神经网络技术的发展，众多的研究人员已经致力于基于人工神经网络的水声目标分类的研究．本文介绍了一种高阶神经网络即Pi-Sigma网络，研究了它的两种学习算法（基于梯度下降法和共轭梯度法的学习算法），并将Pi－Sigma网络用于水声目标辐射噪声的分类。和多层感知器（MLP）网相比，Pi-Sigma网络具有结构简单、收敛速度快及存储量少等优点。Pi－Sigma网络分类器的输入为一个常Q带通滤波器组作特征提取形成的特征向量。对不同类别的实际水声数据的分类结果表明取得了令人满意的分类正确率（达到或超过了95％）。     

人工神经网络及其在光谱分析中的应用

介绍了人工神经网络的原理及研究进展,对典型神经网络系统作了详细的介绍,对人工神经网络在光谱分析中的应用做了较全面的评述。人工神经网络已成为光谱分析中重要的研究方法之一。     

激光诱导击穿光谱和人工神经网络的青白色软玉产地溯源

建立基于激光诱导击穿光谱仪技术获取的半定量青白色软玉的微量元素含量的人工神经网络模型,以促进人工神经网络技术在宝石产地溯源方面的应用。以我国新疆、广西、江苏、青海,以及韩国和俄罗斯六个产地的青白色软玉为样品,利用激光诱导击穿光谱仪在颜色均匀干净的部分获取元素含量数据。使用数据筛选原则对数据进行了筛选和Al的归一化处理之后,以因子分析和线性回归分析讨论了数据间的共线性,在数据间不存在明显多重共线性的情况下建立了三层人工神经网络的判别模型。结果表明,所选取的每个变量的VIF值小于5,数据间不存在明显的多重共线性,因子分析的KMO值小于0.6,表明变量间无明显关系。同时利用软玉t-SNE图对数据进行降维和可视化处理,t-SNE图显示大部分数据点都重叠在一起,表明对此数据进行简单聚类和相关分析是无法区分产地的,因此选择人工神经网络的方法对六个产地的数据进行产地判别分析。经人工神经网络模型迭代判别之后,模型对我国新疆、广西、江苏、青海,以及韩国和俄罗斯六个产地的青白色软玉判别的精度达到0.933,其中韩国软玉的数据判别结果精度最高,达到0.995,误差为0.028,青海软玉的数据判别结果最低为0...