近红外光谱-径向基神经网络在异烟肼片无损定量分析中的应用

应用异烟肼片粉末的近红外漫反射光谱数据分别结合偏最小二乘法(PLS)和径向基神经网络(RBFNN)建立定量分析模型,并用所建模型对预测集样品进行了预测,结果表明:应用RBFNN所建立的定量分析模型优于PLS模型,相关系数(r)值由0.99593提高到0.99734,交互验证均方根误差(RMSECV)值由0.00523下降到0.00423,预测均方根误差(RMSEP)值由0.00614下降到0.00501。     

应用改良BP网络于多组分药物定量分析

ＢＰ网络自身学习速度慢的缺点，影响了其在多组分同时定量分析中的应用，为此，本文从误差函数、传递函数和网络参数等方面应用Ｆａｈｌｌｍａｎ和Ｃａｔｅｒ等所提修改方案改了Ｂ Ｐ网络，并将其应用于甲硝唑、先锋霉素、氯纱和氨卞四组分混合药物的同时定量分析，实验证明，在不损害网络预测精度的前提下，学习速度有了较大的提高。     

PLS-BP法近红外光谱技术同时测定鲜乳中四种主成分

基于近红外光谱技术,将偏最小二乘法(Partial Least Squares,PLS)和单隐层的反向传播网络(Back-Propagation Network,BP)联用并测定了鲜乳中4种主成分含量.用PLS法将原始数据压缩为主成分,取前3个主成分的14个数据输入网络,以Kolmogorov定理为依据,经过实验确定中间层的神经元个数为29,初始训练迭代次数为1000,建立了脂肪、蛋白质、乳糖、牛乳总固体4种主成分含量的预测校正模型.PLS-BP模型对样品4个组分含量的预测决定系数(R2)分别为:0.961、0.974、0.951、0.997;本研究为近红外光谱技术在鲜乳多组分快速检测提供了新思路.     

人工神经网络光度法同时测定土壤中铅-镉-镍

研究了以4－（2－吡啶偶氮）－间苯二酚（PAR）为显色剂、十二烷基硫酸钠（SDS）为增敏剂、乙酸－乙酸钠为缓冲液，在水相中对铅、镉、镍进行同时测定。利用二次回归正交组合设计，对体系因子进行了优化。以苏州吴县水稻田土壤为研究对象，利用反向人工神经网络对其中铅、镉、镍的全量、有效态、活化态分别进行了同时测定，预测结果与AAS法所测结果基本一致。     

人工神经网络用于锕系离子An3+水解常数pK1预测研究

０引言水解常数是金属离子水溶液化学的基础数据，对于研究水溶液中离子的状态以及进一步研究其在水溶液中的其它化学行为是必不可少的。一般金属离子（包括镧系金属离子）的水解常数数据相对较为完善，对它们水解的规律性也有不少研究，但锕系金属离子的水解常数数据迄今较缺乏，特别是重锕系的水解常数数据基本空缺犤１～５犦。这主要是因为锕系多为放射性元素，重锕系则基本是人工元素，被发现或合成较晚，即使通过核反应合成，量也往往极少（常以多少个原子个数计算），且半衰期大多很短，因而从获取样品到进行有关化学研究都相当困难。…     

基于粗糙集模糊神经网络的爆破振动危害预测

为了探索一种能克服单因素预测的局限性、提高爆破振动危害预测精度的方法,基于粗糙集模糊神经网络理论,建立了综合考虑爆破振动幅值、主频率、主频率持续时间及结构动力特性等10个因素的民房破坏程度预测模型;用铜绿山矿爆破振动和民房破坏情况观测数据,对该模型进行了训练和测试,测试结果与现场观测结果具有良好的一致性。研究表明:粗糙集理论可将现场数据进行属性约简,简化输入变量,缩小神经网络的搜索空间,改善爆破振动的预测性能;基于粗糙集模糊神经网络理论的爆破振动危害预测模型,能更好地考虑各种因素对危害程度的综合影响,避免了单因素预测的局限性。     

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.     

基于机器学习的锅炉送风控制系统仿真及优化

送风系统是一个多扰动和多耦合的复杂系统,为了解决送风系统模型辨识难和PID控制效果较差的问题,本文提出了一种基于机器学习的送风控制系统优化设计方案。首先基于现场运行数据,采用随机森林算法筛选出可用于系统辨识的数据;基于BP神经网络辨识送风系统模型并进行闭环控制仿真,仿真结果表明该模型有很高的辨识精度和泛化能力;最后,基于所得仿真回路,采用ADRC算法对系统控制器进行优化,仿真结果与原PID控制相比,表明ADRC可提高送风系统的跟踪性能和抗干扰能力。本文方案也适用于火电机组其他对象的控制回路仿真及优化。     

卷积神经网络在气体泄漏超声识别中的应用

为了克服现有气体泄漏检测方法的不足,提出一种基于卷积神经网络的气体泄漏超声信号识别方法。在设计卷积神经网络网络结构时,通过多次预训练确定网络层数、卷积核数目和尺寸、全连接层神经元数目。同时,选择Inception模块平衡网络宽度和深度,防止过拟合的同时提高网络对尺度的适应性。通过输气管道泄漏实验平台模拟工况中常见的阀门泄漏和垫片泄漏,利用短时傅里叶变换进行时频图表征,在此基础上,建立二分类模型和不同泄漏类型的三分类模型。结果表明,相比二分类模型,不同泄漏类型的三分类模型识别准确率有所降低,添加Inception模块可以有效提高三分类模型的性能。     

具有不确定性的分数阶时滞复值神经网络无源性

该文研究了一类具有不确定性和时滞的分数阶复值神经网络无源性问题,未将复值神经网络模型拆分成两个实值系统,而是将复值系统当成一个整体直接进行处理.通过构造恰当的Lyapunov函数,并利用矩阵不等式技巧,建立了网络无源性的线性矩阵不等式判据.给出的数值例子和仿真验证了获得结论的可行性和有效性.