卷积神经网络辅助激光诱导击穿光谱鉴别37类铁矿石

采用激光诱导击穿光谱快速鉴别铁矿石种类有利于保障贸易双方合法权益,是防止贸易欺诈的有效措施。采用卷积神经网络辅助激光诱导击穿光谱鉴别澳大利亚、哈萨克斯坦、巴西、南非、越南、毛里塔尼亚、伊朗和印度等8个国家37类铁矿石。642批铁矿石3 852条激光诱导击穿光谱经t分布随机邻域嵌入算法降维后,二维散点图表明,随着铁矿石种类增加,鉴别难度增大。对前期16类品牌铁矿石卷积神经网络鉴别模型进行了优化,增加了卷积层和批量归一化层,优化了卷积层中卷积核大小和个数,全连接层中神经元个数等超参数,并对激活函数进行对比和选择。优化模型训练集、验证集、测试集的准确率分别为100%±0.00%,99.54%±0.22%,96.16%±0.43%。采用10倍交叉验证评价了模型稳定性,以测试集准确率和损失函数作为评价指标,获得了最优应用模型。方法有助于推动激光诱导击穿光谱在铁矿石分析测试领域的实际应用。     

基于二阶段异质随机森林的汽油辛烷值预测

构建了基于二阶段异质随机森林的汽油辛烷值预测模型.首先利用样本-位点信息表知识约简模型,筛选出对汽油辛烷值影响大的位点数据作为第一阶段;然后,利用集成学习思想集成支持向量回归和动态时间序列神经网络,构建异质随机森林预测模型作为第二阶段.利用十折交叉法验证模型精度,结果表明该集成学习算法具有有效性和高精度.     

基于红外/毫米波双模融合的目标识别方法

在数据融合的基础上,以红外/毫米波双模传感器的智能融合结构为模型,将模糊神经网络与D-S证据理论相结合,提出了一种新的目标识别方法.该算法根据红外/毫米波传感器的性能及工作范围,构造模糊变量作为神经网络的输入,根据神经网络的不同输出判别目标的真伪,并利用D-S证据理论进行目标身份识别.仿真结果证明了该算法的可行性.     

基于神经网络的钞票真假识别研究

利用神经网络与光电检测的技术研制了钞票真假识别系统.介绍了系统的结构组成、工作原理、软件系统、神经网络的优化设计、实验及测试结果.经实践验证,其识别结果稳定可靠,可应用于金融智能防伪点钞机与ATM机中.     

基于卷积神经网络的蛋胚活性精准检测方法研究

孵化的蛋胚是生产禽流感疫苗的载体,蛋胚的活性检测是疫苗生产中的关键环节,通过光电容积脉搏法检测蛋胚活性是提高蛋胚活性检测准确率的关键.为了提高蛋胚活性检测效率和检测准确率,采用滑动功率谱方法(PSD)将蛋胚脉搏波可视化,基于卷积神经网络对蛋胚活性进行精准分类.实验结果显示,采用卷积神经网络对单个蛋胚信号的计算时间仅为1...     

大脑血液动力学现象中的能量编码

神经信息的编码与解码是神经科学中的核心研究内容,同时又极具挑战性.传统的编码理论都具有各自的局限性,很难从脑的全局运行方式上给出有效的理论.而由于能量是一个标量具有可叠加性,因此能量编码理论可以从神经元活动的能量特征出发来研究脑功能的全局神经编码问题,取得了一系列的研究成果.本研究以王-张神经元能量计算模型为基础,构建了一个多层次结构的神经网络,通过计算机数值模拟得到了神经网络的能量消耗和血液中葡萄糖供能的变化情况.计算结果显示,和网络的神经活动达到峰值的时间相比,血液中葡萄糖的供能达到峰值的时间延迟了约5.6s.从定量的角度再现了功能性核磁共振(fMRI)中的血液动力学现象:大脑某个脑区的神经元集群被激活以后经过5~7 s的延迟,脑血流的变化才会大幅增加.模拟结果表明先前发表的由王-张神经元模型所揭示的负能量机制在控制大脑的血液动力学现象中起着核心的作用,预测了刺激条件下大脑的能量代谢与血流之间变化的本质是由神经元在发放动作电位过程中正、负能量之间的非平衡、不匹配性质所决定的.本文的研究结果为今后进一步探究血液动力学现象的生理学机制提供了新的研究方向,在神经网络的建模与计算方面给出了一个新的视角和研究方法.      

基于EMD-PSO-LSTM组合模型的船舶运动姿态预测

由于船舶在海上航行时的高随机性和复杂性,单一模型预测能力有限,难以做出准确姿态预测。因此,提出一种基于经验模态分解(EMD)和粒子群优化(PSO)的长短期记忆神经网络(LSTM)的组合预测模型,对船舶运动姿态进行预测。首先通过EMD算法将由惯性导航系统在实时测量得到的船舶运动姿态数据进行分解,得到有限个本征模函数(IMF)。然后,利用PSO-LSTM模型学习各IMF分量的短期时序规律并进行预测,将各IMF分量的预测值相加得到最终的预测结果。基于实测数据进行仿真的结果表明,该组合预测模型分别比LSTM模型和PSO-LSTM模型在姿态角的预测中平均绝对百分比误差分别降低了约11%和7%,有效提高了船舶运动姿态预测精度。     

声纹的变压器放电与机械故障诊断研究

变压器中的一些放电和机械故障会产生异常声,可用于故障检测.据此,该文提出基于可听声的变压器放电和机械故障诊断方法.针对机械故障声与变压器本体噪声特征相似易混淆的问题,提出改进小波包-BP神经网络算法,与传统小波包-BP神经网络算法相比声音识别率提高了5.7％.为提高声音识别系统的泛化性,提出基于梅尔对数频谱和卷积神经网...     

中药复杂组效关系的变结构神经网络辨识方法

针对中药复杂组效关系的辨识问题,研究了变结构多层前馈神经网络,推导出一种新型的变结构网络学习算法,成功地应用于中药川芎药效活性预测计算.该方法从一个规模较小的网络出发,当网络无法达到预定的学习精度时,自动增加隐含层神经元个数,并在原有学习结果的基础上确定新的网络参数,自适应地确定前馈神经网络结构,可用于处理复杂化学模式信息.计算机仿真实验结果表明,该方法能有效地确定多层前馈神经网络的最佳结构,提高网络学习效率和函数逼近精度,解决复杂非线性函数映射关系准确建模问题.     

竞争性因果学习及其应用

因果关系的研究一直紧密围绕人类探索世界和发现世界的主题,传统的仅仅研究事物之间的统计相关关系作用有限,很难满足经济社会快速发展的需要.文章将自监督学习和对抗学习结合,利用图网络模型和系统动力学的反演模型,从大规模无监督数据中挖掘潜在的隐含信息,基于对比约束,构建物理驱动与数据驱动的统一框架,然后采用极大极小博弈策略学习不同因果模态的一致性表征,从而逼近真正的因果关系,为揭示潜藏在数据背后的内在规律提供了有力的分析工具.文章将非随机因果学习思想融入机器学习框架,对克服现有深度学习在抽象、推理及神经网络可解释性等方面的不足具有重要指导意义.