首页 > 文献资料
-
基于径向基函数神经网络的口岸鼠密度动态预测
[目的]建立口岸鼠密度变化的动态模拟径向基函数神经网络模型,分析预测效果.[方法]监测鼠密度,分析鼠密度与气象因子相关性,运用多元回归方程分析气象因子对鼠密度的影响,建立鼠密度变化的动态模拟径向基函数神经网络模型,分析模型的准确性.[结果]建立的模型的训练准确率为91.34％,检验准确率为91.17％,测试准确率为89.03％,平均准确率为90.51％.模型认为自变量的重要性排序依次为月均低气温、月均相对湿度、日照、降水量.[结论]径向基函数神经网络技术能够较好地应用到鼠密度动态预测工作中,为口岸鼠类防控提供了科学依据.
-
径向基函数神经网络在传染病发病率预测中的应用
传染病发病率的有效预测在传染病防治工作中意义重大,其预测理论和方法的研究一直是一个热点.现实中影响传染病发病的因素众多、相互关系复杂,各因素的作用机制通常不能或无法用精确的数学语言来准确描述.本文采用基于时间序列的径向基函数(RBF)神经网络模型对传染病发病率进行预测,以实现传染病发病序列的非线性逼近.在实例分析中,以某市1991-2002年乙型肝炎(乙肝)月发病率数据建模,经过网络的不断学习和训练,得到合适的预测模型后对2003年1-6月的月发病率进行预测.通过与2003年1-6月的实际发病率进行比较分析以验证建模的可靠性,并与传统的时间序列模型预测结果进行比较,结果表明应用RBF神经网络模型对乙肝发病率的短期预测精度更高、效果更好.
-
EEG信号的径向基函数神经网络预测
基于混沌动力学系统相空间的延迟坐标重构及人工神经网络的非线性特性.研究了采用基于自适应投影学习算法的径向基函数网络对实测的EEG信号进行预测.通过对径向基函数引入一宽度调节系数α,使网络的预测性能有较大提高.理论分析和研究结果表明:α的取值由EEG信号的关联维数D2决定,α在佳区间内取值能够更有效地对EEG信号进行预测.
-
脑干听觉诱发电位的非线性动态提取
临床上常用的平均脑干听觉诱发电位(Brainstem Auditory Evoked Potential,BAEP)无法描述脑干功能的动态特性,从背景噪声中单次或少次动态提取的BAEP才是反映脑干功能的理想信号.径向基函数神经网络(RadialBasis FunctionNeuralNetwork,RBFNN)已被用于BAEP的非线性动态提取,但是对于"淹没"在噪声中的信噪比很小的BAEP提取效果不好.本研究用移动窗口平均(Moving Window Average,MWA)先对含噪声的BAEP进行动态少次平均提高信噪比,然后再用RBFNN进行BAEP的非线性提取,在保留了绝大部分BAEP动态信息的前提下改善了RBFNN的提取性能.为了验证方法的可行性,构建了信噪比为-25dB的仿真BAEP-噪声序列,经MWA和RBFNN动态提取后相对均方误差约为19%,比仅用RBFNN时误差降低了6%左右.将上述方法用于实际测取的BAEP,可以得到每个子波形和平均BAEP波形波幅趋势大体相同的动态序列,这个BAEP动态序列为应用非线性动力学研究脑干功能动态特性打下了基础.
-
基于径向基函数神经网络的HIV感染者的识别预测
目的 应用径向基函数神经网络,在描述性分析的基础上,建立艾滋病病毒(HIV)感染者的预测模型,分析预测效果.方法 在描述性分析的基础上,以患病种类为因变量,以年龄、国籍、文化程度、职业、劳务史、会阴部症状史、不洁性生活史、明确性伴侣有性病、是否有同性性伴侣、合法性伴侣是否是高危人群、性伴侣数为自变量,建立径向基函数神经网络,分析预测效果和预测变量的重要性.结果 选择2004-2008年某省口岸出入境人员体检监测中检出的HIV感染者、梅毒患者和非性病人员各98例,HIV感染者以35～49岁男性为主(67.35%),中学以上文化程度占81.63%,职业以劳务(46.94%)和公务(30.61%)为主,有2例外籍女性性服务工作者和2例外教.径向基函数神经网络模型,对训练样本和检验样本的预测总准确率为85.37%和85.00%.用该模型对独立样本进行预测,总准确率为89.66%,对HIV感染者、梅毒患者和非性病患者的准确率分别为83.33%、85.71%和100.00%.三类预测结果ROC(Receiver operating characteristic)曲线下面积都>0.90,年龄、性伴侣数和劳务史是重要的三个影响因素.结论 口岸HIV感染者有其特定的流行病学特征,HIV感染者径向基函数神经网络预测模型的拟合能力强,能较好地用于评价未知样本.
-
诱发电位的非线性动态提取方法
以不同的潜伏期和幅度非线性迭加在自发脑电上的单次诱发电位,是诱发电位和自发脑电的一种可能的非线性组合.对诱发电位进行非线性动态提取是近年来备受关注而又十分困难的课题.本文综述了三种非线性的诱发电位动态提取方法:自适应径向基函数神经网络方法、小波变换的非线性阈值系数方法以及模糊聚类方法,文中着重介绍了以上方法的基本思路和典型应用实例.
-
径向基函数网络用于安痛定注射液的含量测定
目的：将径向基函数神经网络用于三组分复方制剂的光度分析。方法：采用径向基函数紫外分光光度法同时测定安痛定注射液中的氨基比林和安替比林，并结合吸光度减技术测定巴比妥。结果：径向基网络在网络稳键性、训练时间和预报准确性等方面优于BP网络。结论：径向基函数光度法可准确测定安痛定注射液三组分的含量。
-
基于径向基函数神经网络的多电极阵列信号脉冲电位的分类
通过径向基函数神经网络的分析,对神经元脉冲电位信号提出了新的分类方法.对原始信号进行峰电位检测,获得脉冲电位信号样本,以主成分进行预分类,选取与类中心方差小的典型脉冲电位集合作为径向基网络的训练样本,让神经网络进行自适应学习,以实现对原始信号的分类.仿真结果表明,在对模拟的脉冲电位信号进行分类时此方法的错误率比主成分聚类法和形状聚类法小.多电极细胞外记录的海马神经元细胞电活动信号应用此方法分类也取得了较好的效果.
-
基于径向基函数神经网络的组合模型在煤工尘肺发病工龄预测中的应用
目的：研究径向基函数（ RBF）神经网络与多重线性回归的组合模型在煤工尘肺发病工龄预测中的性能优劣。方法：采用RBF神经网络模型与多重线性回归模型对研究数据进行分析，对2模型进行加权拟合，采用均方根误差、均方误差、平均相对误差对模型的预测性能进行评价。结果：多重线性回归模型、RBF神经网络模型和组合模型真实值与预测值比较，差异均无统计学意义（t配对＝1．552、0．231、0．155，P均＞0．05）。多重线性回归模型、RBF神经网络模型和组合模型的均方根误差分别为（1．63±0．11）、（2．45±0．19）和（0．59±0．07）（F＝26．141， P＜0．001），均方误差分别为（2．6569±0．2412）、（5．9867±0．3804）和（0．3483±0．0653）（F ＝49．678， P＜0．001），平均相对误差分别为（7．15±0．82）％、（15．39±1．25）％和（3．68±0．59）％（F＝35．282，P＜0．001）。结论：在煤工尘肺发病工龄的预测中，组合模型预测性能优于单一模型。
-
基于标准高斯和塔板模型的RBFNN色谱峰解析
基于塔板色谱峰模型的径向基函数神经网络(RBFNN)用于色谱(含重叠)峰解析是一种新方法.为了使RBFNN具有结构重组能力,用于色谱峰解析的RBFNN必须采用遗传算法(GA).虽然遗传算法具有鲁棒性和全局优化能力,但若种群过小,则陷于局部极小点的概率将增高.而塔板模型是一个低效模型,若选用过大的种群,必然使解析过程加长.为了提高算法效率,提出先用高效色谱峰近似模型标准高斯模型进行繁衍,而后再用塔板模型.
-
基于径向基函数神经网络的高血压分类诊断系统的建立
为研究头发中Ca,Mg,Al,Cu,Zn 5种微量元素以及w(Zn)/w(Cu)与高血压的相关性,利用径向基神经网络(RBF-NN)的函数逼近、模式识别和分类能力强以及学习速度快等特点,对微量元素与高血压的相关性进行了研究;基于Matlab平台,对原始数据进行标准化预处理,45个作训练样本、8个作检测样本及其2个目标输出,建立了高血压分类的辅助诊断模型;同时与主成分分析法进行对照实验.结果表明,获得了佳网络参数sc=0.1,me=43,分类准确率达到96.226%,径向基神经网络在判别分类上优于主成分分析法.可见RBF-NN在揭示头发微量元素与高血压的相关性上是可行的,为临床高血压分类诊断提供了一种新的方法.
-
香丹注射液抗急性心肌缺血有效部位的模拟筛选
目的 探讨香丹注射液抗急性心肌缺血有效部位.方法 采用垂体后叶素致大鼠急性心肌缺血实验,基于正交设计和径向基函数神经网络,提出了香丹注射液的药效预测模型.采用留一法检验对模型的预测能力进行了交叉验证.结果 预测药效与实验药效之间存在良好的线性关系(R2=0.99).结论 本研究所建立的药效预测模型可以对复方不同组合进行药效预测,多个配伍组的药效优于原方,其中尤以石油醚、正丁醇和水效果为佳.
-
基于RBF神经网络的子宫肌瘤患者住院费用分析
目的：探讨单病种子宫肌瘤患者住院费用的影响因素，为有效控制住院费用不合理增长提供依据。方法从衡阳市3所三级甲等医院信息系统（HIS）中提取2012～2013年子宫肌瘤（ICD-10，编码：D25）住院患者信息，采用方差分析（ANOVA）进行均数比较，建立RBF神经网络模型对患者住院费用的主要影响因素进行分析。结果不同付费方式住院费用和住院时间比较，差异均有统计学意义（P＜0.05），不同年龄组住院费用比较，差异均有统计学意义（P＜0.05），影响子宫肌瘤患者住院费用的因素按重要性从大到小排序为住院时间、是否手术、付费方式、年龄、科室、出院方式。结论通过合理控制药品费用和材料类费用，缩短患者的住院时间，有效控制单病种医疗费用，可大限度地减轻患者的经济负担。
-
基于径向基函数神经网络的婴儿死亡率预测模型
目的:采用径向基函数神经网络建立预测模型对婴儿死亡率进行预测.方法:采用径向基函数神经网络建立回归模型,并对全国22个省的32个县的婴儿死亡率进行预测.结果:预测值与实际值误差较小.该模型具有较高的预测精度.结论:利用径向基函数神经网络建立预测模型是一个新颖而有发展前途的方法.
-
基于色谱指纹图谱和化学计量学建立党参的定性模型
目的 建立来源于不同产地党参的分类模型.方法 采用近红外光谱技术结合化学计量学方法鉴别党参产地,采用主成分分析考察分类的可能性和趋势,采用随机森林算法建立分类模型并选择出特征变量,再用所选变量建立径向基函数神经网络模型.结果 对于随机森林算法,袋外估计的准确率为86.96％,检验集准确率为100％；基于随机森林算法选出的特征变量,径向基函数神经网络模型的训练集和检验集的准确率都高达100％.结论 初步研究表明,色谱指纹图谱结合化学计量学能有效的区分不同产地的党参.
-
基于RBF神经网络的医院科技影响力评价模型构建
在文献调研的基础上基于德尔菲法建立医院科技影响力评价指标体系,根据专家经验和知识对60家医院的科技影响力进行排名.采用径向基函数神经网络方法,将50个医院作为训练样本,10个医院作为测试样本,构建出一套基于径向基函数的医院科技影响力的评价模型,实验结果表明该评价模型较好地拟合了专家的思维,可以使医院科技影响力评价真实有效.
