人工神经网络法同时测定混合氨基酸

应用三层ANN-BP网络解析苯丙氨酸(Phe)、色氨酸(Try)和酪氨酸(Tyr)的紫外可见吸收光谱,同时测定三种氨基酸组分.通过对网络结构和参数的优化,提高了预报的准确度,最后对水解大豆样品进行测定,得到了满意的结果.     

基于主成分分析和神经网络的近红外光谱苹果品种鉴别方法研究

提出了一种用近红外光谱技术快速鉴别苹果品种的新方法,首先用主成分分析法对苹果品种进行聚类分析并获取苹果的近红外指纹图谱,再结合人工神经网络技术进行品种鉴别。主成分分析表明,主成分1和主成分2的累积可信度已达98％,以主成分1和2对所有建模样本的得分值做出的得分图,对不同种类苹果具有很好的聚类作用。利用主成分分析得到的载荷图可以得到对于苹果品种敏感的特征波段,用特征波段图谱作为神经网络的输入建立三层BP人工神经网络模型。每个品种各25个苹果共75个用来建立神经网络模型,余下的共15个用于预测。对未知的15个样本进行预测,品种识别准确率达到100%。说明文章提出的方法具有很好的分类和鉴别作用,为苹果的品种鉴别提供了一种新方法。     

超声波辅助再生活性氧化铝性能与能耗特性研究

通过对比试验研究了超声波辅助再生活性氧化铝的可行性和能耗特性.使用平均再生速率(MSR)、再生度(RD)以及强化比(ER)等指标评估了超声波在再生中的作用效果,通过理论模型计算了湿分有效扩散系数(Deff)和脱附表观活化能(Ea),揭示了超声波的强化机理,统计分析了系统的单位再生能耗(UEC),并利用人工神经网络(AN...     

人工神经网络用于化学数据解析的研究(Ⅰ)──逼近规律与过拟合

对多层前传网络的过拟合问题进行了探讨。定义了逼近误差和逼近度作为人工神经网络(ANN)的建模评价指标。通过应用于多元非线性校正的数值模拟和实际药物光度分析数据解析,表明该指标意义明确,便于掌握,且能较好地定量表述ANN逼近规律的程度。     

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...     

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。     

生物物理学

 自20世纪初以来,物理学取得了突飞猛进的发展和进步,在理论和实验技术两个方面都取得了巨大的成功.在理论方面有量于理论、相对论、非平衡态统计理论、非线性理论以及基本粒子理论等各种各样的物理理论;在实验技术方面也出现了激光、X晶体衍射技术、各种光谱和波谱技术及其动态测量、以及各种成像技术(如核磁共振成像(NMAI)、扫描探针显微技     

基于GABP的压力容器表面裂纹断裂研究

压力容器在长期运行过程中表面裂纹问题难以避免,进行基于断裂分析的安全评估对压力容器的稳定运行具有较强的现实意义.针对二维J-积分理论难以应用于表面半椭圆裂纹,数值模拟耗时冗长的问题,论文提出一种采用三维J-积分量化压力容器表面裂纹尖端应力强度,再结合神经网络进行预测的安全评估方法.通过有限元方法计算了1200例不同几何尺寸、裂纹尺寸和内压载荷的含表面裂纹的压力容器问题,分析了半椭圆裂纹尖端三维J-积分结果,构建修正系数F表征材料性能、裂纹尖端奇异性以及容器几何特征对三维J-积分的影响.基于生成的机器学习数据集,搭建反向传播神经网络(BPNN)模型,采用遗传算法优化,形成GABPNN预测模型.结果表明：BPNN和GABPNN模型预测精度高达96%以上,在未知数据上亦可以取得较为准确的结果,可以高效地预测裂纹尖端三维J-积分,对于实现计算机辅助压力容器安全性现场快速评定提供新的思路和方法.     

基于虚拟线圈和卷积神经网络的多层同时激发图像重建

本文提出一种基于虚拟共轭线圈（Virtual Coil Concept,VCC）技术和k空间插值鲁棒人工神经网络（Robust Artificial-neural-networks for k-space Interpolation,RAKI）的图像重建方法,用于磁共振多层同时激发成像（Simultaneous Multi-Slice imaging,SMS）,该方法能够有效提升重建图像的质量,被命名为VIRGINIA（VIRtual conjuGate coIls Neural-networks InterpolAtion）.为了得到更高质量的SMS图像,本文提出的VIRGINIA方法利用磁共振线圈数据的复数共轭对称性质扩展了SMS所获取的多通道数据,并将扩展后的数据用于RAKI网络的训练,利用训练后的网络实现高质量的SMS图像重建.本文将VIRGINIA方法和其他SMS图像重建方法（RAKI和Slice-GRAPPA方法）进行了对比,并采用结构相似指数（Structural Similarity Index,SSIM）、峰值信噪比（Peak Signal-to-Noise Ratio,PSNR）和均方根误差（Root Mean Square Error,RMSE）对不同方法的重建图像进行了量化对比分析.结果显示,在相同的SMS加速倍数下,使用VIRGINIA方法进行重建的图像质量均好于RAKI方法,且远好于传统Slice-GRAPPA方法.