首页 > 文献资料
-
非高斯脉冲噪声下基于径向基神经网络的诱发电位韧性自适应估计方法
诱发电位(EP)观测信号中的背景噪声经常呈现出某种非高斯脉冲特性,使基于高斯假设的小均方自适应算法性能明显退化,而适用于α稳定分布假设的小平均P范数算法仍能较好地工作.借鉴该思想,使用以时间索引序列为输人的径向基神经网络,实现脉冲噪声下的EP信号自适应估计,给出矩阵形式的权值更新公式,逐扫描地完成自适应估计,且无需设计参考信号.针对当α动态变化时小平均P范数算法性能变差的不足,提出基于符号函数直接自适应的改进算法用于EP信号估计.实验结果表明,改进后的算法可以在α动态变化时很好地跟踪EP信号,即使在很低的混合信噪比时(-12 dB),估计信号与EP源信号的相关系数仍在0.9以上,是一种在α稳定分布噪声下具有良好韧性的EP信号自适应估计算法.
-
结合小波分解和径向基神经网络进行事件相关电位的单次提取
从单次实验记录中提取事件相关电位,无论在临床诊断上还是在大脑高级功能的研究中都起着重要的作用.介绍了一种将小波多分辨率分解和重建与径向基神经网络结合起来进行事件相关电位单次提取的方法.它基于事件相关电位主要是低频信号的事实,发挥径向基神经网络对连续函数的逼近能力,从信号的小波分解系数中提取出与低频响应相关的成分,构造了一种新的时频域滤波的方法,实验表明本方法较好地从单次记录中提取出了事件相关电位.
-
基于隐马尔可夫模型-径向基神经网络的表面肌电信号识别
目的:利用隐马尔可夫模型-径向基神经网络(HMM-RBFN)混合模型对7种手指动作进行辨识,探索控制HIT多自由度灵巧手的有效控制策略.方法:8例健康实验对象参加了试验,4例女性,4例男性.每例实验对象按提示完成7种手指动作,每种动作重复50次.通过表面肌电信号(sEMG)采集系统,提取实验对象前臂4块肌肉的sEMG,在对其进行预处理并提取小波变换特征向量后,分别送入HMM模型分类器及HMM-RBFN混合模型分类器进行训练.结果:HMM-RBFN混合模型识别效果和稳定性都大大优于HMM模型,验证了HMM-RBFN混合模型的有效性.结论:①HMM模型在sEMG识别中的效果没有其在语音信号识别中的好,有必要对其进行改进,以便更好的应用于sEMG的识别;②将HMM模型和神经网络组成混合分类器,可以弥补彼此的不足,获得更好的性能.
-
基于径向基网络的液冷服人体实验非线性模型辨识
目的建立液冷服人体实验的非线性数学模型,研究人体状态参数与液冷服入口水温的关系.方法根据人体热学特性和以前的实验数据,运用径向基(RBF)神经网络辨识建模,考察了网络对该实验系统建模的适应性.结果 RBF液冷服人体网络对人体状态和液冷服相关数据有很好的辨识能力,逼近速度快.结论 RBF网络适合本文仿真实验,有利于今后实时的自适应控制.
-
用径向基神经网络预测氯丙嗪的稳态血药浓度
目的 评价用径向基(RBF)神经网络所建立的预测氯丙嗪稳态血药浓度模型的预测性能.方法 将数据分为训练集、校验集和测试集,来建立获取输出变量(37项参数)与输出变量(氯丙嗪稳态血药浓度)两者间关系的RBF网络模型,并评价其预测性能.结果 当扩展速度(SP)值为2.8时,所建立的RBF网络模型,预测奋乃静稳态血药浓度的效果和泛化能力较好.结论 RBF网络用于预测氯丙嗪稳态血药浓度是可行的和有效的.
-
用径向基神经网络预测5种抗精神病药物的稳态血药浓度
目的 建立基于径向基(RBF)神经网络的利培酮、奋乃静、氯氮平、氯丙嗪、舒必利稳态血药浓度预测模型.方法 将所收集的用于建立5种药物稳态血药浓度预测模型的数据分为训练集、校验集和测试集,前两者用于训网络,后者用于测试网络,并评价其训练效果和预测性能.结果 当网络中心宽度SP值为1.4时,训练集、校验集和测试集的MSE分别为3.49×10-6,1.24×10-2,1.23×10-2,R值分别为0.99997,0.8815,0.8896.结论 RBF网络用于预测5种药物的稳态血药浓度的研究是可行的和有效的.
-
心脏外科术后切口感染危险因素识别及预测研究：基于多值Logistic模型和径向基神经网络算法
目的：对心脏外科术后切口感染的危险因素进行识别并对感染的可能性进行预测。方法对2374例成人心脏外科手术的临床资料进行回顾性分析,通过结合多值Logistic模型与径向基神经网络算法( RBF)的识别与预测方法,发掘术后切口感染的主要因素,以期降低切口感染的发生。结果多值Logistic回归分析的估计结果表明,既往吸烟、有糖尿病史且使用胰岛素、肥胖、手术用血、术后出血量和术后是否进行再次开胸止血6个变量是引起切口感染的危险因素。进而将上述6种危险因素作为预测算法的输入变量,得到预测结果的ROC曲线和未经变量筛选的RBF预测结果的ROC曲线。经比较发现,通过筛选出的变量建立的RBF有更高的准确度,预测性能也更好。结论多值Logistic模型和RBF均是心脏外科术后切口感染危险因素分析的有效定量分析方法,RBF准确性更高,预测性能更好。
关键词： 心脏手术 切口感染 多值Logistic模型 径向基神经网络 -
RBF神经网络在甲肝流行趋势预测中的应用研究
目的 探讨径向基函数(RBF)神经网络在甲肝趋势预测中的应用价值,同时为其他传染病的预测研究提供参考和借鉴.方法 以1996-2012年江苏省甲肝月发病数据序列为基础,采用不同的样本构建方式建立不同的RBF神经网络,并根据预测效果的评价选择优网络用于预测分析.结果 江苏省甲肝流行具有逐渐下降的长期趋势,月发病数呈双峰型分布,高峰出现在每年的3-4月(春峰),次高峰出现在7-8月(夏峰).总共拟合了9个不同样本结构的RBF神经网络,其中以既往3年历史同期发病数以及近3期发病数为网络输入,以当前期发病数为相应网络输出的RBF网络预测效果佳,其拟合优度及外推预测精度分别为90.22％、89.10％.据此模型推算,2013年江苏省甲肝发病数为544例,将延续逐渐下降的长期趋势.结论 通过对神经网络样本构建方式的优化研究,使建立的RBF神经网络同时拟合了历史同期的变化趋势和近期的波动规律,对甲肝的流行趋势预测取得了良好的效果,具有一定的实用价值和推广意义.
-
基于径向基神经网络的斯普林注射液紫外光谱定量分析
目的 建立了一种无损的、可在线快速测定斯普林注射液中核糖和多肽含量的新方法 .方法 采用光谱仪扫描不同批次的斯普林注射液样品的紫外光谱,然后采用经典的分析方法 测定对应样品中核糖和多肽的含量,应用径向基神经网络(RBFNN)建立了斯普林注射液样品的紫外光谱与其中核糖和多肽含量间的定量关系模型.通过选择有效的光谱预处理方法 、网络的优拓扑结构参数和佳扩展常数对模型进行优化.结果 应用优模型对斯普林注射液预测集样品中核糖和多肽含量,预测均方根误差(RMSEP)分别为0.0132和0.0138.结论 紫外光谱方法 测定斯普林注射液中核糖和多肽含量,预测精度高,方法 简便可行,且多组分可同时测定,为测定中药组分含量提供了一条新途径.
-
基于径向基神经网络的宫颈癌肿瘤标志物的诊断系统
目的 建立基于径向基神经网络的宫颈癌肿瘤标志物的诊断系统.方法 采集体检中心及妇科门诊、病房病例资料.统计血清肿瘤标志物水平,建立径向基神经网络的诊断系统.结果 五种血清肿瘤标志物各组间有极显著差异,p<0.01;神经网络的的判别的准确率为100%.结论 基于径向基神经网络的血清肿瘤标志物的诊断系统方法可行,性能良好.
-
径向基神经网络预测利培酮的稳态血药浓度
目的:评价用径向基(RBF)神经网络所建立的预测利培酮稳态血药浓度模型的预测性能.方法:将数据分为训练集、校验集和测试集来建立获取输出变量与输入变量两者间关系的RBF网络模型,其中以患者的性别、年龄、体重、剂量、血压、多项生理生化指标等37项参数为输入变量,利培酮稳态血药浓度为输出变量.用训练集和校验集的网络计算输出值与目标输出值之间的均方差(MSE)和相关系数(R)来综合评价网络模型的学习效果,用测试集的网络计算输出值与目标输出值之间的MSE和R采评价网络模型的预测性能.结果:当扩展系数值为1.5时,训练集的MSE为6.93×10-6,R值为0.999 88;校验集的MSE为8.24×10-3,R值为0.866 69;测试集的MSE为8.58×10-3,R值为0.808 99;网络模型的预测效果和泛化能力较好.结论:RBF网络用于预测利培酮稳态血药浓度的研究是可行的.
-
径向基神经网络预测氯氮平血药浓度
目的:评价用径向基(RBF)神经网络所建立的预测氯氮平稳态血药浓度模型的预测性能.方法:将数据分为训练集、校验集和测试集来建立获取输入、输出变量两者间关系的RBF网络模型,其中以患者的性别、年龄、体重、剂量、血压、多项生理生化指标等37项参数为输入变量,氯氮平稳态血药浓度为输出变量.用训练集和校验集的网络计算输出值与目标输出值之间的均方差(MSE)和相关系数(R)来综合评价网络模型的学习效果,用测试集的网络计算输出值与目标输出值之间的MSE和R来评价网络模型的预测性能.结果:当扩展系数(SP)值为3.0时,训练集的MSE为1.33 ×10(-5),R值为0.99985,校验集的MSE为0.002 833,R值为0.971 86,测试集的MSE为0.005 439,R值为0.93676,网络模型的预测效果和泛化能力较好.结论:RBF网络用于预测氯氮平稳态血药浓度的研究是可行和有效的.
-
腹腔镜切除术下急性阑尾炎患者往院天数预测研究
目的 考虑数据的不均衡性以及预测模型犯第一类错误和第二类错误的概率,建立腹腔镜切除术下急性阑尾炎患者住院天数预测模型.方法 随机抽取某三甲医院2016年7月-2017年9月的腹腔镜切除术下急性阑尾切除术患者共243例,利用向前逐步选择方法筛选关键影响因素,之后利用随机欠抽样和SMOTE过抽样方法对数据进行均衡化处理,后分别利用Logistic回归模型及径向基神经网络模型进行住院天数预测.结果 Logistic回归模型总体精度为76.25％,第一错误概率为35.00％,径向基神经网络模型的总体精度为88.75％,第一错误概率为15.00％.结论 相比Logistic回归模型,径向基神经网络的准确性更高,第一类错误概率更低,该模型更适合住院天数的预警,能够为患者了解病情、治疗方案选择以及医保政策制定提供参考.
关键词： 急性阑尾炎 径向基神经网络 Logistic回归 住院天数 预测模型 -
基于AHP-RBF神经网络的居民健康信息素养评价模型研究
基于文献调查和专家评价方法建立健康信息素养评价体系,应用层次分析法确定指标权重,采用径向基神经网络作为评价工具,提出一套居民健康信息素养评价模型.实验结果表明基于AHP-RBF神经网络的评价模型能够较好地拟合领域专家的评价思维,对居民健康信息素养水平的评价更加真实有效.
