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.     

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。     

参数灵敏度分析的神经网络方法及其工程应用

在系统分析中，参数灵敏度分析不仅为判断各系统参数的重要性大小提供了依据，量化的灵敏度指标也是后续参数估计的前提。然而，在多效实际系统中，系统参数与系统状态间的显式函数关系不易得到，导致一阶灵敏度指标无法直接求取。简化的单因素分析方法亦存在模型粗糙、精度不高的缺点。本文研究采用人工神经网络的高精度泛化映射，通过少量样本的训练，建立复杂系统中多个系统参数与系统状态间的近似映射关系，继而推导得到统一的灵敏度计算列式。简单结构的神经网络方法和解析方法的对比计算显示了方法的有效性和可靠性。最后，应用该法对某斜拉桥结构的荷载参数和刚度参数进行了考查，得到一般性结论。     

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。     

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.     

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。     

人工神经网络研究硝基苯化合物结构与毒性的关系

基于简单的化学基团描述符,应用人工神经网络研究了硝基苯类化合物对黑呆头鱼的毒性构效关系,并与多元线性回归相比较,结果显示了人工神经网络处理非线性问题的优越性.     

基于神经网络的核电厂设备易损性分析

核电结构的易损性分析是核电厂地震安全评估中至关重要的一环, 但是由于核电结构的复杂性以及考虑土?结相互作用SSI时较大的计算规模, 使得计算核电厂设备易损性曲线十分耗时. 为发展高效的核电厂设备易损性分析方法, 本文采用核电结构土?结相互作用分析的分区计算方法, 并利用有限的SSI分析结果建立神经元模型ANN代替有限元模型, 分别基于对数正态假定的回归法和蒙特卡洛法进行了设备易损性分析. ANN数值模拟包括了以下内容: (1)基于半偏相关系数选择最相关的地震动参数作为ANN输入, 并通过交叉检验建立神经元模型; (2)量化研究ANN数值模拟的预测不确定性, 其中包含了由于简化地震动输入引起的随机不确定性和训练样本缺失引起的认知不确定性; (3)基于ANN模型预测结果分别采用蒙特卡洛法和基于对数正态假定的回归法进行设备的易损性分析. 本文探讨了不同的地震强度指标以及土层材料的不确定性对易损性曲线的影响, 同时验证了回归法中对数正态模型假定的基本合理性, 为核电厂设备易损性分析提供了一种可能方向.      

纤维素酶水解动力学的人工神经网络模型研究

酶作用机制的模糊以及影响异相体系因素的大量存在, 使得纤维素水解的酶催化过程高度复杂, 很难为之建立理论模型. 采用非理论模型人工神经网络模拟和预测了纤维素酶水解反应, 并与常用的响应面模型进行了比较. 选取加酶量 X1, 底物浓度 X2 和反应时间 X3 作为自变量, 还原糖浓度 Y1 和原料转化率 Y2 作为响应值. 结果表明, 人工神经网络模型比响应面模型更适合作为研究纤维素酶水解的动力学工具. 在模拟过程中, 除中心试验点外, 只有 1 个试验点上人工神经网络模拟值 Y2 产生的误差大于响应面模型. 在预测过程中, 人工神经网络模型的预测值都比响应面模型更接近实验值.