用人工神经网络方法测量生物组织光学参数γ

提出了一种利用亚扩散空间分辨漫反射预测生物组织约化散射系数μ_s'和相函数参量γ的人工神经网络方法 .采用蒙特卡罗方法得到光子经生物组织漫反射的数据样本,利用这些数据样本训练反向传播神经网络,用于从亚扩散散射光中预测γ的信息.为了解决同时预测μ_s'和γ两个参数时会产生较大误差的问题,分段数据训练两个BP网络,依次识别μ_s'和γ.研究发现3.64l_(th)(l_(th)表示平均输运自由程)是对γ的不敏感点,可用该点附近的数据样本训练网络用于预测μ_s',用2l_(th)范围内的数据样本训练网络用于预测γ.蒙特卡罗仿真结果表明,在1.3≤γ≤1.9范围内,预测结果与真实值的相对均方根误差在1%以内.与现有的测量方法相比,所提的人工神经网络方法更加简单,且提高了预测精度.     

可见光通信系统的非线性失真抑制研究北大核心CSCD

发光二极管的非线性特性是引起光信号出现非线性失真的一个重要因素,针对该问题,采用人工神经网络在接收端对信号的非线性失真进行抑制,进而降低可见光通信系统的误码率。将发光二极管的输入电信号与接收端转换后的电信号组成成对数据,将成对数据集送入神经网络进行训练,学习信号在电光转换、信道传输及光电转换过程中的非线性失真特性,通过神经网络对信号的非线性失真进行估计与抑制。此外,在训练过程中采用分布估计算法搜索神经网络的超参数集,以降低训练难度。实验结果表明,该方法在不同的信道环境下均能有效地改善可见光通信的性能。     

基于人工神经网络研究芳胺喹唑啉衍生物的抗胃癌活性

基于分子电性距离矢量(M_t)表征21个芳胺喹唑啉衍生物的分子结构,并与其对人胃癌细胞的抗癌活性(pI)关联。通过最佳变量子集回归方法建立上述化合物抗胃癌活性的三参数(M_(15)、M_(18)、M_(82))定量构效关系模型。其交叉验证系数(R_(cv)~2)、非交叉验证系数(R~2)依次为0.386和0.737。通过R、R_(cv)~2、V_(IF)等检验,模型具有较好的相关性、稳健性和预测能力。结果显示,-CH_2-、-CH、-O-、-S-和-NH-等分子结构单元直接影响这些化合物的抗胃癌活性。将M_(15)、M_(18)、M_(82)作为人工神经网络的输入层结点,采用3∶3∶1的网络结构,利用BP算法获得了令人满意的pI模型,其R~2和标准偏差S_D分别为0.992和0.080,表明pI与三参数呈现优异的非线性关系。     

基于机器学习的压气机叶型优化设计

现代压气机性能需求日趋严苛,叶型优化工作至关重要。近年来遗传算法在叶型优化设计中得到诸多应用,但是传统遗传算法耗时过大,为解决这一问题本文提出了一种应用主成分分析与人工神经网络的流场重构方法,以及基于该方法的快速评估叶型性能的遗传算法优化流程。数值结果表明,基于该优化流程的寻优结果预测静压比与CFD计算值的误差低于0.1%,能够有效对叶型性能进行预测;并且该寻优结果与原始叶型相比静压比提升14.7%,效果可观。     

多组件学习器实现有机分子沸点的精准预测

沸点(BP)是有机分子液体的基本物理化学量, 也是化学工业生产中的重要参数. 有机分子的沸点由分子结构决定, 呈现复杂的结构-沸点关系, 函数法(Function Method)、基团贡献法(Group Contribution Method)等传统方法无法应对复杂多样有机分子结构的预测, 应用范围狭窄, 预测精度低. 本研究中, 我们利用基于人工神经网络(ANN)和支持向量机(SVM)的多组件学习器实现有机分子沸点的精准预测. 我们构建了基于可解释性描述符的ANN、基于相关性描述符的ANN及基于复合分子指纹的SVM三个异质模型, 并通过包含4550个各种类别的有机分子沸点的数据集进行训练得到了三个异质性学习器, 最后集成三个学习器对有机分子沸点进行预测. 相比于传统方法和此前的定量结构性质关系(QSPR)模型, 多组件模型结合了三种模型的优点, 展现出很好的预测精度和泛化能力以及低的过拟合, 实现了对多种类型有机分子的沸点的有效预测.     

基于神经网络与光纤传感阵列的结构状态监测方法

以探测机敏复合材料与结构内应变、应力及损伤等物理状态的位置信息为目的．提出了一种新颖的可内埋于材料与结构内作为结构状态监测用的强度调制型光纤传感阵列网络，并采用人工神经网络来处理传感阵列输出的并行分布式传感信号，阐述了适用的Ｋｏｈｏｎｅｎ网模型及其变化形式，给出了仿真实验结果     

红外CT模拟在混凝土板内部缺陷探测中的应用

红外成像技术采用非接触式检测方法,对结构内部缺陷进行实时、快速大面积扫描探测,作为无损检测领域一项新的技术在土木工程中得到越来越广泛的应用。但是,这种技术的主要缺点是只能通过成像技术显示缺陷表面状况,却无法获知缺陷深度和厚度。本文以一维有缺陷混凝土板为研究对象,采用有限差分法对混凝土板进行热传导数值模拟分析,获得每一点物体表面温度差与缺陷深度及其厚度的非线性对应关系。在此基础上,采用人工神经网络算法,实现对混凝土板内部缺陷的三维重构,即红外CT模拟。本文提出的方法可以同时获得缺陷深度和厚度,并适用于任意形状的缺陷。     

三峡库区大石板滑坡区排水系统效果评估

结合三峡库区大石板滑坡工程实例 ,以连续 36天的降雨过程为条件 ,利用已有的地下水位观测资料 ,采用人工神经网络方法预测滑坡内地下水位在排水工程实施前后的变化 ,以此作为非饱和—饱和—非衡定地下渗流计算的特定水头边界。根据计算的地下水位进行滑坡稳定性分析 ,结合稳定分析成果对排水系统工程的效果进行评价。结果表明 ,地下排水工程的实施可较大幅度地提高滑坡的稳定性。     

改进遗传人工神经网络在组合导航中的应用

鉴于常规卡尔曼滤波算法组合导航系统数据融合算法中,存在易于发散的缺陷,尝试将遗传优化人工神经网络引入组合导航系统中.针对传统遗传算法存在的易早熟、算法稳定性差、固定的交叉和变异概率影响收敛效果等缺点,采用浮点式编码方式,两两竞争的选择策略、引入突变操作、重新定义交叉算子和自适应的交叉变异算子等措施进行了遗传算法的改进.仿真结果表明,改进后的算法更为有效,并且精度与常规卡尔曼滤波算法相当.     

近红外光谱法用于纯化过程中鞣花酸含量的监控

采用近红外光谱技术结合遗传算法优化的小波神经网络,对大孔树脂纯化过程中橄榄果中的鞣花酸含量进行监控。通过小波变换对光谱进行去噪、压缩,作为人工神经网络的输入,同时以遗传算法优化神经网络的权值与阈值,并与常用的偏最小二乘(PLS)线性模型的建模效果进行比较。实验结果表明,两者都能够较准确的预测鞣花酸的含量,相对而言,人工神经网络(ANN)效果较好。