基于最优路径选择的网络感知服务组合算法

为满足用户的性能需求及服务质量保障,针对复杂网络服务组合的特点和用户个性化的服务质量(Quality of Service, QoS)需求,研究了云环境下的网络感知服务组合问题,利用云服务和网络服务的QoS属性,提出了一种基于最优路径选择(Optimal Path Selection, OPS)的网络感知服务组合算法。该算法可以提升网络服务质量水平,改善用户体验质量。仿真结果表明,该算法在求解时间和质量两个方面都表现出了良好的性能,而且能动态适应用户复杂的需求,能够有效地解决云计算环境下的服务组合问题。     

基于快速组合神经网络分类器的数字调制识别新方法

单个神经网络分类器无法提供一种对所有数据进行精确解释的能力,但是会对部分数据贡献一些有用的信息,组合神经网络分类器利用有效的组合算法集成单个分类器,使分类能力得到显著提高.本文提出一种快速非线性组合算法对通信信号的调制类型进行分类,取得了较好的效果,实验结果证明了此方法的有效性.     

基于自适应神经网络的组合导航故障诊断技术研究

针对传统组合导航故障诊断算法对系统模型精度要求较高,对非线性组合导航系统处理能力有限的问题,提出了自适应神经网络的SINS/GPS/DVL组合导航系统故障诊断。算法首先对组合导航故障诊断进行数学建模和故障信息提取,然后再采用遗传算法对基于BP神经网络进行故障诊断过程中容易遇到的局部极小值问题和网络结构进行自适应优化处理,有效提高了BP神经网络在进行组合导航故障诊断时的执行速度和效率,同时,也增强了系统故障诊断的准确性和可靠性。仿真试验有效验证了算法的有效性。     

基于BP-LSTM组合神经网络模型的汽车车速预测

准确的汽车车速预测对整车能量分配、道路交通管理具有重要意义。针对汽车车速本身具有高度时变性以及单模型预测存在局限性的特点,提出：反向传播神经网络-长短时记忆网络(BP-LSTM)组合神经网络模型,首先利用BP神经网络进行训练,将训练集数据和得到的预测输出、残差输入到Adam算法优化的LSTM神经网络中,用于训练LSTM模型。结合BP网络结构简单、预测时间短、LSTM精度高的优点,通过深度学习框架Tensorflow进行模型的搭建与验证,实现基于BP-LSTM组合神经网络模型的短时车速预测。结果表明：组合神经网络预测效果优于BP、LSTM两种单一模型,预测精度得到改善。     

基于BP神经网络辅助的车载组合导航算法研究

针对INS/GPS组合导航系统在GPS信号被遮挡时,GPS接收机失锁导致导航精度迅速下降的问题,提出了基于BP神经网络辅助的组合导航算法。即在GPS信号锁定的时候,采用卡尔曼滤波对INS/GPS信号进行数据融合得到实时的精确位置,同时利用组合导航输出信息对BP神经网络进行实时在线训练;一旦GPS失锁,利用之前训练好的神经网络对INS系统进行误差补偿,解决精度迅速下降问题。通过跑车实验证明,速度精度在0.2m/s以内,位置精度为25m以内,该算法对INS/GPS组合导航系统有效。     

基于组合预测模型对电子病历临床数据的探究

电子病历临床数据的单项预测方法不能精确的预测医院的就诊人数。本文建立了基于一阶预测有效度的几何平均组合预测模型,对就诊人数进行预测,并且将非线性组合预测模型变换成为能够运用现成的线性规划软件求解的线性规划模型问题。最后以东南大学附属中大医院某一科室的电子病历临床数据为例,对未来就诊人数进行预测,结果表明该组合预测方法是可行有效的。     

基于医院信息化建设的临床路径评价管理系统设计

基于医院信息系统(Hospital Information System,HIS)建设设计的临床路径评价管理系统,可实现单病种临床路径管理控制,规范临床住院诊疗过程,提高诊疗质量,降低患者住院付费。目前,常熟市第一人民医院各科室不断增加入径病例,增加病种数,共开展临床路径180多个,临床路径病例比非临床路径病例诊疗方案、诊疗疗程、抗菌药物的使用、辅助药物的使用更加合理。依托临床路径评价管理手段,提高住院诊疗效率,减少平均住院天数,促进医疗水平不断提高。     

基于CMAC的卡尔曼滤波技术在组合导航系统中的应用

经典卡尔曼滤波器要求假设系统的动态模型和观测模型的噪声统计特性已知,而组合导航系统的噪声具有非先验性。为了解决这一问题,提出小脑模型神经网络（CMAC）辅助卡尔曼滤波器。仿真试验结果表明,该辅助算法的精度与经典卡尔曼滤波算法相比提高了2倍,收敛时间缩短近200 s,并有效地克服了传统神经网络学习速度慢,泛化能力弱的缺点,使系统具有自适应能力,以应付动态环境的扰动。     

基于r-组合的并行组合扩频通信研究

介绍了一种基于r-组合的并行组合扩频通信的数据映射算法,该算法应用组合数学中的理论和方法,实现了映射的唯一性,在该算法下讨论了应用于并行组合通信的Gold序列、Walsh序列、m-W序列,给出其性能比较,分析了码相关性、码周期、正交码个数及发送码个数等因素对并行组合扩频通信系统性能的影响。     

基于NARX神经网络的组合导航系统设计

针对捷联组合导航系统在定位信号无法获取的情况下定位误差大和BP神经网络定位的波动问题提出了基于NARX神经网络的导航算法。该方法在输入端加入输出输入量的时间序列,在定位信号可以获取时间段内对神经网络进行训练,不可获取时使用NARX预测的数据对系统进行补偿,提高定位精度。实验结果表明在30s的失锁时间内NARX神经网络定位精度在3m以内,迭代次数小于15次且数据波动较小,可以准确的预测导航位置。     

人工神经网络在医学统计预测中的应用

当用于预测的指标和被预测指标间是一种复杂的多元非线性关系时,可运用人工神经网络的方法进行预测,本文探讨了人工神经网络理论在医学统计预测领域中的应用方法。     

基于人工神经网络方法的LSI工艺优化实践

本文基于人工神经网络的非线性和容错性，对集成电路生产工艺进行了分析和优化。主要内容有：１．使用人工神经网络方法建立模型，确定生产线上工艺参数和成品率之间的映射关系，构造以工艺参数为输入，成品率为输出的多维函数曲面；２．对该多维函数曲面进行搜索，找出成品率最高的最优点；３．以该最优点的工艺参数值为依据，确定工艺参数的规范值，对工艺参数提出优化建议，提高成品率。结论：神经网络提出的优化建议是合理的，并     

风力发电机制动闸摩擦系数的预测方法研究

风力发电机制动闸摩擦系数与闸瓦温升、转速和压力三个参数有密切的关系,特别是在负载状态下超速运转,会使制动过程中闸瓦温升急剧上升而减少摩擦系数,严重影响了制动性能。因此,开展制动闸摩擦系数预测的研究具有重要价值。利用神经网络具有较好的学习能力和非线性表达能力的特点,建立了利用神经网络来描述速度、温升和压力与摩擦系数的映射关系的模型,实现了对闸瓦摩擦系数的预测。     

电路故障诊断中的多级神经网络应用研究

针对某指挥仪电路故障诊断专家系统的不足之处，用层次结构的多级人工神经网络来进行电路的故障诊断，用专家知识来对学习样本进行筛选，通过对该电路中的差分电路模块的实验表明，不但克服了专家系统对某些故障无法诊断的不足，而且还可以实现多故障的诊断。     

ATM交换网的神经网络控制研究

本文提出了采用ＢＡＭ神经网络实现Ｂａｎｙａｎ通信网交换的方法，并从理论和仿真角度证明了其网络流量比传Ｂａｎｙａｎ网有显著提高。     

人工神经网络概述

近年来,随着人工神经网络在信息、自动化、医学、经济等领域的广泛应用和杰出表现,使得人工神经网络又开始得到广泛关注和重新重视。基于需求,本文对人工神经网络做了简单概述。     

基于深度学习模型的电力变压器故障声音诊断方法研究

利用声音信号对电力变压器进行故障诊断是一种不停机的设备维护方法,可以诊断变压器故障类型或预测故障产生的时间。声音诊断相对于其他诊断方式有许多优点,但是传统的声音自动诊断方法识别率不够理想。为了探索深度学习技术在声音故障诊断方面的可行性,本文采集了真实变压器在正常状态、老化和放电两种故障运行状态下发出的声音信号,对信号分别进行了声谱图转换和梅尔对数谱图的转换,输入一种高效轻量级卷积神经网络--Mobile Net深度学习模型中开展了训练。训练结果表明,将卷积神经网络应用在变压器故障声音诊断上能够得到较高的准确率,尤其是采用梅尔对数谱图对三种状态下识别准确率均能达到99%以上,而采用声谱图进行训练对放电类型的故障识别率较高,老化故障识别率不够理想。     

基于PCNN和SVM的图像识别方法研究

利用脉冲耦合神经网络(PCNN)具有良好的脉冲传播特性,研究了利用PCNN进行图像分割的技术.针对模型参数和最优分割结果难以确定的问题,改进了标准PENN模型,提出了基于互信患量的PCNN图像分割方法.计算原图像与PCNN分割图像序列问的互信息量,对应最大互信息量的分割图像就是最佳分割结果.然后选取不同类型飞机图像提取不变矩特征,用支持向量机(SVM)实现分类识别.实验结果表明,该方法分割效果好,适应性强,能够很好地识别飞机图像.     

临床路径在住院医生工作站的应用

目的：通过临床路径系统在医生工作站中的应用,对我院实施临床路径的医院的情况进行描述、分析,发现其中存在的问题,提出个人建议。对单病种进行有效管理,能规范各项诊疗程序,提高医疗质量,保证医疗安全。方法：采用．NET架构的应用设计方案,完全融合于原有医院信息系统之中,实现无缝链接,对多病区单病种进行有效实施。结论：临床路径管理系统是保证医疗质量,减轻患者负担,增加患者满意度,又能降低医疗成本的新型的病种管理模式。     

人工神经网络计算精度的研究

就人工神经网络的计算精度问题，建立了一个抽象的神经网络模式，并研究了单个神经元误差对整个神经网络计算精度的影响。