复合对向－反向传播人工神经网络模型及其应用

组合Ｋｏｈｏｎｅｎ竞争学习和反向传播学习的优点，本文首次提出了复合对向－反向传播人工神经网络模型，该模型较好地体现了生物神经网络系统信息处理时的自适应、自组织、分布式存贮及并行处理等特点。它保留了反向传播网络的优点，同时较后者更易收敛，计算时间缩短，网络参数设置也更为自由。通过在临床精液检查结果分析中的成功应用，证明了该系统的有效性和可靠性。     

生化过程的神经网络组合模型

用神经网络描述未知的反应动力学参数，结合反应器物料平衡方程，提出了生化过程的神经网络组合模型。并提出了特别适合微生物发酵过程的Ｍｏｎｏｄ饱和型和基质抑制型的神经元传递函数。在Ｈｅｂｂ学习的基础上，引入教师指导信号，提出了神经网络误差一次反向传播的快速学习算法。将此组合模型用于某流加发酵过程状态变量和动力学参数的在线估计，仿真研究获得了满意的结果。组合模型具有训练速度快、预测精度高等优点，为动力学结     

基于伪阻抗学习的神经网络状态估计方法

针对反向传播算法收敛速度慢，且常收敛于局部极小值的缺陷，讨论了伪阻抗学习算法；并利用神经网络的学习能力和非线性特性，讨论了非线性动态系统的状态估计方法。     

神经元网络理论在乙烯精馏塔成分估计中的应用

针对前馈神经元网络误差反向传播算法（ＢＰ算法）收敛速度慢，且常常收敛于局部极小值等缺陷，提出了一种基于变步长、加压缩因子的共轭梯度搜索的快速学习算法。与标准的ＢＰ法相比，该方法不仅学习收敛速度快，而且精度也有所提高。通过对乙烯精馏塔成分估计的应用表明，该方法比最小二乘估计法具有更好的外推性。     

基于误差反向传播算法神经网络模型的网络式以问题为基础学习效果评价方法的研究

目的研究误差反向传播算法（ error back propagation algorithm,BP）神经网络模型在网络式以问题为基础学习（ WPBL）效果评价中的适用性。方法基于调查问卷收集的资料,利用测试样本构建BP神经网络模型,并通过所构建的模型对训练样本进行检测。结果构建模型时测试样本的网络输出分数与综合评分之间的平均误差小于规定误差（E=0.000031592〈0.0001）。对训练样本进行检测显示,网络输出分数与实际综合评分之间的误差极小。结论 BP神经网络模型能够准确、快速地对WPBL效果进行评价。     

人工神经网络用于中药材雷公藤和昆明山海棠的分类识别研究

人工神经网络用于中药材雷公藤和昆明山海棠的分类识别研究张亮，蓝要武，韩英等，药学学报，１９９５，３０（２）：１２７应用误差反向传播学习算法（ＢＰ算法）对中药材雷公藤和昆明山海棠浸出物的红外光谱进行分类识别。网络为３层结构，输入节点为９个，隐层节点为２...     

一种基于神经元网络优化的辨识方法

基于神经元网经络结构的优化，提出了一种新的辨识方法，并针对三层反向传播神经元网络，提出了该辨识方法的详细算法，通过实例仿真证实了该方法的有效性。     

反向传播网络与径向基网络函数逼近的仿真比较

目的对反向传播网络与径向基网络的函数逼近进行仿真比较。方法依据反向传播算法与径向基算法,对某一特定函数进行仿真逼近。结果仿真实验表明：两者都有很好的逼近能力,径向基网络的逼近性更好。结论反向传播网络在函数逼近方面差的原因是激励函数的全局性、隐层结点数目的不确定性。     

基于深度学习技术中医优势病种证候到治法方剂算法模型的构想

目前开展的中医辩证论治信息化研究都只针对"辩证"过程进行探索,而同样重要"论治"过程(即选法定方)的信息化却被相关研究人员所忽略。目前,"论治"过程的研究只是运用浅层算法进行简单关联,推导出结果的准确性难以得到验证。本项目以神经网络作为改进算法的基本架构,采用一种学习深层非线性网络结构,实现复杂函数逼近的深度学习技术与中医的"因位性势"相结合,利用挖掘出的信息建立的数据仓库,训练模型,确定新型算法中更为高效的网络权重。在训练模型的过程中采用具有较强的非线性映射能力、高度自学习和自适应的能力的共轭梯度BP神经网络以反向传播学习算法的方式,从输出层经各中间层逐层修正各连接权值,得出最为优化的网络权重,推荐出准确、合理的治法与方剂。本算法模型探索了中医名老专家选法定方的思维模式,并核查中医生治疗过程是否规范合理,检出误治、失治病例,从而提高临床疗效,使中医治疗过程实现规范化与标准化。     

一种用于非线性系统辨识与控制的自组织模糊神经网络

提出了一种自组织模糊神经网络（Self-Organizing Fuzzy Neural Network,SOFNN）,采用了误差反向传播算法与带遗忘因子的递推最小二乘法相结合的混合优化算法优化系统的模糊规则库及其参数,此外,也引入SRIC（Schwarz&Rissanen Information Criterion）准则设计模糊系统。将本文提出的方法应用于非线性系统的辨识与控制,并讨论了阈值参数对该方法性能的影响。仿真结果表明,本文方法能有效地防止模糊模型过拟合,提高模糊系统的泛化能力,进而提高控制性能。     

用聚类分析和人工神经网络解析漆器漆膜裂解色谱图

采用聚类分析法和变步长的误差反向传播人工神经网络方法，解析漆器漆膜的裂解色谱数据，获得了漆器漆膜隐含的年代信息。结果表明，本法为解析古代漆器漆膜年代信息提供了一条有效的新途径。     

EV71型手足口病重症早期预警模型的建立

目的探讨基于遗传算法优化的误差反向传播（GABP）神经网络构建的预警模型在手足口病重症早期预测中的作用，为重症患儿早期识别提供参考。方法以2014年1月—2016年12月杭州市儿童医院收治的EV71型重症和普通型手足口病患者为对象建立预测模型并进行模型验证。采用MATLABR2016b构建误差反向传播（BP）模型，计算危险因素的平均影响值（MIV），选取MIV排名前20位的因素优化BP神经网络结构。计算均方根误差，以最小值作为遗传算法最优解，优化BP神经网络的权值和阈值，构建GABP模型。采用五折交叉验证法对模型的性能进行验证，以AUC、特异度和敏感度为指标，比较GABP模型与BP模型的预测性能。结果影响手足口病重症化的前20位危险因素依次为惊跳天数、通用型病毒载量、最高体温、EV71病毒载量、IgM、精神差、肌酸激酶同工酶、FPG水平、易惊、咳嗽、发热（≥37.4℃）天数、颈强直、散居/托幼、IgA、性别、呼吸节律不齐、高热（≥39.0℃）天数、发病至入院时间、手足抖动、体质量。BP模型最终的网络结构为20→40→1，网络性能评价显示GABP模型达到预设均方根误差的步数为100步，所需时间24s，五折交叉验证中GABP每组模型的AUC均显著高于BP模型，灵敏度和特异度也均优于BP模型。结论GABP神经网络能提高模型训练效率和预测精准度，可作为EV71型手足口病重症早期预警的参考工具。     

人工神经网络技术诊断肺心病的实验研究

笔者利用典型的人工神经(BP)网络反向传播模型构建了一个诊断肺心病的专家子系统.结果该专家子系统利用神经网络获取和表示临床有关数据和资料,较好地解决了自动知识的获取、表示、自学等问题,并对临床资料进行量化处理;实例测试表明,该系统有助于肺心病的早期诊断.     

基于神经网络的踝关节康复并联机器人的逆运动学的精确求解

为了解决目前康复领域踝关节康复并联机器人的逆运动学方面的精度与实时性要求,本文通过结合踝关节康复机器人运动学模型,利用反向传播神经网络求解了机器人逆运动学问题。首先通过机器人逆运动学方程产生神经网络训练集,神经网络经过训练集的训练学习。经过训练后神经网络能够准确地求解并联机器人的位置和姿态。其算法具有运算简单、求解效果好等特点。为进一步提高求解结果精度,采用迭代计算进行误差补偿。计算结果表明该方法迭代次数少,计算精度高且计算速度接近机器人实时控制的要求。     

人工神经网络在辅助男性生育力检查评价中的应用

应用反向传播人工神经网络系统对１３４例有生育力和无生育力的精液样本的临床检查结果进行了分析，分类正确率达９７．％，说明该法可有效地临别两类样本，为临床精液检查结果分析，男性生育力辅助诊断２提供了新的手段。     

人工神经网络在复方替硝唑分光光度法测定中的应用

应用人工神经网络原理，采用误差反向传播方法，对紫外吸收光谱严重重叠的复方替硝唑进行含量测定。实验表明，人工神经网络方法应用在光谱分析中对复方制剂进行含量测定，其结果准确，性能良好；并探讨了人工神经网络中网络参数对分析结果的影响。     

基于深度学习的肝包虫疾病图像分类

目的:为了实现新疆高发病肝包虫病CT图像的正确分类,提出一种深度学习的肝包虫病CT图像的自动分类方法。方法:对单囊、多囊和肝囊肿CT图像使用深度学习的分类方法进行分类。首先,构建并优化ResNet-50网络模型,将肝包虫病图像分批次传入网络,然后用交叉熵作为损失函数,最后把网络结构加入对数据的批归一化处理,通过反向传播算法优化参数使损失函数最小化,最终选择训练所得的最优网络。结果:各类别的最佳分类准确率分别为单囊型78.33%、多囊型81.52%、肝囊肿型80.24%。结论:深度学习卷积神经网络的肝包虫病CT图像疾病分类方法可行、合理、且调整后的ResNet-50模型比较适合肝包虫病图像的分类,有望通过深度学习方法对肝包虫病提供辅助诊断及决策支持。     

用连续量输入的人工平定心脏收缩功能

作应用人工神经网络技术，实现心脏收缩功能的计算机自动评定，以探讨人工神经网络技术在生物医学评定、分类和诊断等问题中的应用方法。该研究采用心脏收缩时间间期的７项指标，应用反向传播神经网络，以连续量作为网络输入，对２０２位受试的心脏收缩功能进行主定，人工神经网络的评定结果与专家主定相比较，符合率可达９５．５４％。结果表明，连续量输入方式在逼近实验分类边界，减小网络规模，加快网络学习方面优于数字量输     

用连续量输入的人工神经网络评定心脏收缩功能

作者应用人工神经网络技术，实现心脏收缩功能的计算机自动评定，以探讨人工神经网络技术在生物医学评定、分类和诊断等问题中的应用方法，该研究采用心脏收缩时间间期的７项指标，应用反向传播神经网络，以连续量作为网络输入，对２０２位受试者的心脏收缩功能进行评定，人工神经网络的评定结果与专家评定结果相比较，符合率可达９５．５４％．结果表明，连续量输入方式在逼近实际分类边界，减小网络规模，加快网络学习方面优于数字量输入方式．     

反向代理技术及其在Web资源访问控制中的应用

在分析代理服务器、反向代理服务器的原理和功能的基础上，提出了建立wEB资源访问控制系统解决方案，并介绍了该系统的功能、模型与关键技术。