首页 > 文献资料
-
基于小波分解和神经网络的呼吸运动预测算法
目的 放射治疗是胸腹部肿瘤治疗的常用手段,但呼吸等运动大大影响了放射治疗的准确性,因此精确的呼吸运动定位和预测对肿瘤治疗很有必要.相关预测方法缺乏对系统长延迟预测的研究,本文提出一种用小波分解结合Elman神经网络的算法(wavelet Elman network,WEN)预测呼吸运动.方法 采用光学定位系统采集数据,对数据进行简单的预处理,再利用小波分解压缩数据,训练Elman神经网络,后进行神经网络的预测.预测结果和真实值对比,绘制误差曲线,计算均方根误差,并与其他主流算法对比,验证算法的可行性.结果 WEN算法在短延迟预测中表现一般,但当延迟达1000 ms时,WEN算法的均方根误差平均为1.6164 mm,比临床中使用的线性预测低32.9％.结论 通过实验验证了基于小波分解和Elman神经网络的呼吸运动预测算法,在长延迟时表现较好,证明了本算法的正确性及可行性.
-
利用小波神经网络求解脑电等效偶极子源参数
提出了多维单尺度径向基小波神经网络的构造性算法,并将之应用到脑电等效偶极子源定位问题,从而避开对模型系统描述的困难和现有的迭代类求解方法计算时间较长的问题.通过对解空间的随机抽样由正向计算形成学习样本,使小波神经网络在训练过程中建立起自己的逆映射联想记忆,以正确推断出头皮观测电位与脑内源发生器之间的内在联系,使之对于新的脑电数据能实时地、准确地估算出等效偶极子源的参数,为脑电的动态分析提供一条途径.计算机仿真计算结果证明了此方法的有效性.
-
小波神经网络及其应用
小波神经网络是将小波理论和神经网络理论结合起来的一种神经网络,它避免了BP神经网络结构设计的盲目性和局部优等非线性优化问题,大大简化了训练,具有较强的函数学习能力和推广能力及广阔的应用前景.首先阐明了小波变换和多分辨分析理论,然后介绍小波神经网络数学模型和应用概况.
-
认知诱发电位动态提取的研究进展
认知诱发电位是评价脑认知功能的重要指标.目前临床上应用的平均认知诱发电位由于平均而丧失了大量的动态信息;尤其是认知诱发电位潜伏期(相位)变化大,平均方法将使其波形和波幅严重失真.因此认知诱发电位的单次(少次)动态提取是近年来诱发电位提取技术研究的热点与难点.动态提取认知诱发电位的关键之一在于如何使提取方法适于每个单次诱发电位相位变化大的问题.以三类典型的动态认知诱发电位单次提取方法为例,介绍了近年来在该领域中的研究动向.这三种方法是:B样条小波变换去噪声法、基于三阶相关的滤波法和小波神经网络法.
-
小波神经网络在肾综合症出血热发病率预测中的应用
目的 探索小波神经网络在传染病预测中的应用.方法 构造小波神经网络对2004年1月至2010年1月我国内地法定报告的肾综合症出血热发病率数据进行训练,对2010年2月至2010年10月相应数据进行预测,并将预测结果与传统的BP神经网络及SARIMA时间序列模型进行比较.结果 小波神经网络拟合结果及预测结果的MAPE、MAE及RMSE均小于BP神经网络、SARIMA模型.结论 小波神经网络预测效果优,对于肾综合症出血热等传染病发病率预测具有较好的应用价值.
-
基于小波神经网络时间序列模型预测血药浓度的研究
目的 基于小波神经网络时间序列模型预测阿司匹林血药浓度,评价模型的适应性.方法 对4组家兔灌胃,分别于0.15,0.25,0.5,1.0,1.5,2.0,2.5,3.0,3.5,4.0,6.0,13.0,22.0 h时间点获取血药浓度数据,利用计算机软件MATLAB对其中3组实验数据进行网络训练,利用训练好的网络对剩下的1组血药浓度数据进行预测.之后联合药动学,判断其房室模型和药动学特点.结果 模拟仿真结果与实际数据基本符合,网络的绝对平均误差范围在0.3％～5.39％,在统计学允许误差范围之内.联合药动学仿真证明了阿司匹林的血管外给药药动学特点是二室模型.结论 小波神经网络时间序列模型在预测阿司匹林血药浓度时有较好拟合能力和优良预测能力,同时与药动学的结合更为现代临床药理的研究起到积极的推动作用.
-
基于小波神经网络的心室晚电位识别
采用小波神经网络对高分辨率信号平均心电图进行心室晚电位的识别.小波神经网络的训练采用共轭梯度法.经过对28例3导信号平均心电图实验数据的分析,取得了较好的识别效果,对晚电位的识别准确率为84.5%.
-
小波神经网络在人口死亡率数据拟合中的应用
目的：对人口死亡率数据进行建模与拟合。方法：用小波神经网络和神经网络分别对2011年《中国统计年鉴》上1996年到2010年的人口死亡率数据进行建模拟合，并对逼近效果进行比较，并用M atlab70．编程实现。结果：小波神经网络的平均绝对误差是00．0856‰，神经网络的平均绝对误差是00．228‰，小波神经网络拟合的平均相对误差是0．131％，神经网络的平均相对误差是03．42％。结论：小波神经网络拟合的平均绝对误差和平均相对误差比神经网络小，说明小波神经网络对波动较大的人口死亡率数据有较好的函数逼近能力和拟合能力。
-
基于小波神经网络的饮用水水质预测模型研究
目的:为饮用水水质预测提供方法学参考.方法:采用小波神经网络(Wavelet neural network,WNN)方法建立水质预测模型,对重庆市某主城区饮用水水质参数高锰酸钾月平均浓度进行预测,并同BP神经网络的预测结果进行比较分析.结果:采用均方根误差(Root mean square error,RMSE)和平均绝对百分比误差(Mean absolute percentage error,MAPE)来评价模型预测效果.预测实例表明WNN模型具有较高的预测精度,并且预测精度高于BP神经网络.结论:利用WNN对水质参数具有较好的预测效果.
-
小波神经网络在季节性时间序列预测中的应用
目的 对季节性时间序列进行建模与预测.方法 用小波神经网络,对冒纳罗亚山天文台测量的1959～2010年大气月平均二氧化碳浓度数据进行建模预测,并在Matlab7.0编程实现.结果 采用小波神经网络对大气二氧化碳浓度进行预测,其平均预测精度为99.852％.结论 小波神经网络的预测精度高,可以较好地应用于季节性时间序列的预测.
-
小波神经网络在梅毒发病率预测中的应用初探
目的 探讨小波神经网络在梅毒发病率预测中的应用价值.方法 以2004～2008年四川省梅毒月发病率数据为例,分别构建误差逆传播(BP)神经网络和小波神经网络预测模型,并对两种模型进行预测效果评价.结果 在组内回代中小波神经网络的平均绝对误差(MAE)、均方误差平方根(RMSE)和平均绝对百分比误差(MAPE)分别为:0.0719、0.0862、11.52%,BP神经网络各指标的值分别为:0.0892、0.1183、14.87%;在外推预测中小波神经网络的MAE、RMSE、MAPE分别为0.0497、0.0513、4.60%,BP神经网络各指标的值分别为0.0816、0.1119、7.25%.小波神经网络和BP神经网络均为高精度预测模型,但前者组内回代效果和外推预测效果均明显优于后者.结论 小波神经网络在梅毒月发病率预测中具有较好的应用价值.
