加权SOM神经网络在水文分区中的应用

由主成分分析法得到每个主成分的贡献率,把特征分量贡献率引入到自组织映射神经网络中,在竞争过程中选用加权欧氏距离来寻找获胜神经元,对传统的自组织映射神经网络进行了改进,在本文中提出了一种加权SOM神经网络,填补了在实际应用中传统SOM神经网络没有考虑各特征分量的重要性不同的空白.     

基于进化树型自组织神经网络聚类分析

SOM是当前最著名的基于神经网络的用于数据可视化、聚类等任务的数据分析工具之一,为了克服传统SOM模型需要预选指定的限制,特别是在大的映射网络中寻找最佳匹配结点将会很耗时,所以提出一种新的进化树型自组织神经网络ET-SOM。通过对人工数据和工业数据进行实验证实了模型的有效性。     

基于SOM神经网络对潜在客户的挖掘

SOM(自组织特征映射)神经网络是一种基于模型的聚类方法,通过这一网络帮助市场分析人员对消费者的消费记录进行分析,概括出每一类消费者的消费模式,实现对消费群体的区分和对潜在客户的挖掘。     

基于神经网络的风力机变频器故障诊断方法

探讨了自组织特征映射（SOM）人工神经网络在风力机变频器故障诊断中的应用,对风力机变频器故障信息提取、故障特征数据、故障征兆向量进行了分析,采用Matlab神经网络工具箱对风力机变频器故障类型判断和故障位置确定进行仿真实验,实验结果表明,利用该方法进行风力发电机电力电子装置故障诊断能取得较好的效果,具有一定的工程应用价值。     

神经网络在电子设备检测中的应用研究

本文针对电子设备中模拟电路容差因素对故障定位的影响,提出一种基于SOM自组织特征映射神经网络的组合式故障检测法,并就其基本原理和实际应用展开具体讨论．实践结果证明,该方法行之有效、实用性强、拓展性宽．此类故障检测方法值得人们进一步研究和探索．     

大学生心理健康教育网络平台的系统设计

随着社会的发展和高校的扩招,高校学生心理健康教育的重要性日益凸显,如何采用信息技术开展心理健康教育已经引起了人们的极大关注.本文提出了一种基于决策支持技术的心理健康教育网络平台,采用SOM神经网络聚类分析方法与基于案例推理相结合的方式,解决了目前一些心理健康教育工作中的不足之处,同时使得教育工作者的指导性更加具有科学性和广泛性.     

基于SOM神经网络的城市圈内部差异性探究——以厦漳泉城市圈为例

受社会经济发展水平不平衡的影响,城市圈内部应该存在较为显著的差异性.本文运用SOM神经网络对厦漳泉城市圈内部城镇发展水平进行识别、分类,并进一步结合"核心区、聚集区、扩散区"等适合研究城市圈的空间尺度进行数据的空间组织,最后得出厦漳泉城市圈在整体和局部两个层面上都存在显著的差异性,并对以后有关城市圈的研究重点进行了探讨.     

基于数据挖掘的高职院校评价体系的研究与实践

指标体系的设计是高职院校评价的核心,目前国内对高职院校评价体系的研究集中在理论和政策方面,实证与模型研究较少.文章在前人研究的基础上,提出构建高职院校质量评价指标体系的15个关键点.以全国首批197所"双高计划"入选学校为样本,使用基于SOM神经网络的数据挖掘模型探索指标聚类关系,提出一套包含5个一级指标的评价体系,并...     

基于学生成绩的学生综合素质量化评价研究

数据挖掘技术应用于高等教育管理,使多维度量化评价学生成为可能。首先对学生课堂内外的成绩数据收集和预处理,基于主成分分析法提出九维综合素质评价指标,依据各维指标量化值,结合雷达图实现对学生个体综合素质多维度、全方位的评价。其次,借助SOM(Self-Organizing Feature Map)神经网络构建学生群体分类模型,针对分类结果完成对学生群体综合素质的评价。研究结果表明,大学生综合素质的量化精准评价,对提高教学质量和人才培养质量具有重要意义。     

扬子鳄结肠壁内AchE和SOM阳性神经的观察

本研究应用显示乙酰胆碱酯酶(AchE)和生长抑素(SOM)的组织化学和免疫组织化学方法,对扬子鳄结肠壁神经的分布进行了研究。结果表明,呈棕色反应的AchE 阳性神经丰富,分布于结肠壁各层内,AchE 阳性神经元主要分布在粘膜下神经丛,粘膜内可见阳性神经元分布。生长抑素免疫反应(SOM—IR)纤维主要分布在肌层和肌间神经丛,大多为膨体纤维;粘膜下层中 SOM—IR 纤维数量较少,主要分布在小血管壁及周围。肌间神经丛可见 SOM—IR 神经元。表明在低等脊椎动物扬子鳄内脏已存在比较完善的神经调节。     

基于机器学习的医疗大数据分析与临床应用

医疗大数据指数目庞大、增长迅速、结构复杂、隐藏价值高的数据。机器学习技术能够有效分析医疗大数据的内部联系,对疾病的早期诊断及预后具有重要临床指导意义。阐述了机器学习技术在医疗大数据中的应用及研究进展,包括在大数据分析中的回归分析、决策树、基于内核的算法、降低维度算法等浅层机器学习算法模型,卷积神经网络、循环神经网络、自动编码器、深度信念网络等深度学习算法模型,以及各个算法模型的临床应用,分析了机器学习在医疗数据挖掘中的应用前景和存在的技术难题。     

灰度共生矩阵和神经网络在医学图像处理中的应用

以龋齿诊断为例,探讨了灰度共生矩阵和神经网络在医学图像处理中的应用。通过对患者龋齿图像的特征分析,采用从灰度共生矩阵中提取的4个参数作为神经网络的输入特征向量,经过对该神经网络的多次训练,实现龋齿的识别。利用Matlab与VC++语言来设计龋齿诊断程序,并借助MIDEVA将其转化为脱离Matlab的工作环境的可执行程序,大大节省了系统资源。     

Quality evaluation and its application to surface water ecosystem based on maximum flux principle

Based on the maximum flux principle(MFP),a water quality evaluation model for surface water ecosystem is presented by using self-organization map(SOM) neural network simulation algorithm from the aspect of systematic structural evolution.This evaluation model is applied to the case of surface water ecosystem in Xindu District of Chengdu City in China.The values reflecting the water quality of five cross-sections of the system at different developing stages are obtained,with stable values of 1.438,2.952,1.86...     

基于深度学习的肺结节诊断识别研究

医学图像诊断领域的研究热点是病灶点特征和精准定位,将深度学习应用到该领域后诊断效果明显,但是不同深度学习模型之间存在差异性。重点介绍几种重要的深度神经网络模型,总结深度学习在肺结节诊断识别中的研究进展,并提出将深度学习应用于肺结节临床诊断识别所面临的挑战与机遇。     

基于遗传神经网络的水电机组故障诊断模型

将遗传神经网络引入水电机组的故障诊断中,建立基于遗传神经网络的水电机组故障诊断模型,通过Matlab的相关工具箱进行仿真.结果表明遗传神经网络诊断的正确性高于BP网络.     

Neural network fault diagnosis method optimization with rough set and genetic algorithms

1 Background1 The fault diagnosis to equipment is to obtain fault patterns from characteristic parameters, and in fact it is the problem of fault characteristic’s classification. However the mapping of characteristic parameters to fault patterns is serio…     

基于智能诊断技术的发动机故障排查研究进展

智能诊断技术的研发与运用为汽车的故障诊断开辟了新的途径,基于神经网络的发动机故障诊断技术是智能诊断技术的重要组成部分。本文对基于BP神经网络、非BP神经网络及神经网络与其他技术相结合的汽车发动机故障诊断的研究进展进行了综述,并对三种发动机故障诊断技术进行了比较,展现了神经网络技术在智能诊断汽车故障系统中的运用和发展。     

基于BP神经网络的认知诊断评估分类准确率影响因素分析

BP神经网络是目前应用最广泛的人工神经网络模型之一,在分类和识别上表现出良好的特性,因此被研究者用于认知诊断评估以对被试进行诊断分类。通过模拟研究,考查属性个数、属性层级关系、测验长度、题目质量、测试样本量5个因素对BP神经网络在认知诊断中分类准确性的影响。结果表明:1)基于BP神经网络的认知诊断分类准确率不依赖于测试样本量;2)题目质量和测验长度对BP神经网络的诊断准确率有显著的积极影响;3)属性个数对BP神经网络的分类准确率有消极影响;4)题目质量一定程度上会影响BP诊断方法在不同属性层级结构上的分类准确率。     

人工神经网络在膀胱癌诊断中的应用

目的：探讨应用BP神经网络技术建立诊断模型来判断膀胱癌的可行性。方法：153例患者分为训练集和测试集,应用BP神经网络模型,建立人工神经网络诊断模型,然后随机抽样测试样本输入模型进行预测。结果：人工神经网络预测膀胱癌的灵敏度为100％,特异度为92．3％。结论：人工神经网络诊断模型对膀胱癌的判断有良好的诊断性能。