基于深度LSTM残差网络的帕金森症诊断方法

语音特征分类下的帕金森症诊断方法具有无创、高效、准确、远程与成本低等特点,本研究提出一种基于深度长短期记忆网络（LSTM）残差网络的帕金森症诊断方法。分析帕金森症语音信号特点和LSTM残差模型,基于深度LSTM残差网络的帕金森症诊断模型分成3个部分:语音信号预处理网络、深度LSTM残差语音诊断网络和GAP-ELM帕金森症分类网络。该模型能实现帕金森语音信号的深层特征提取,通过LSTM结构的遗忘门和记忆门得到帕金森语音信号随时间变化的状态,最后通过帕金森症元音集完成帕金森症诊断测试。结果表明本文方法在各类信噪比环境中的帕金森症识别准确度均较高,并可在较少的轮次中完成训练,达到较优的稳定性和较小的损失值。     

改进U-Net深度网络的视网膜血管分割算法

为了解决U-Net算法在分割眼底图像时无法分割末梢微小血管和无法处理噪声干扰等问题,提出了一种改进的视网膜血管分割算法。首先,在U-Net算法中引入通道强化残差网络,用以优化U-Net架构,使得网络识别更多视网膜微血管。其次,引入空间注意力网络来排除噪声,更好地突出血管。最后,在损失函数的计算中,使用动态权重代替U-Net算法的固定权重,迫使神经网络能够学习一个稳健的特征映射。将改进的算法在DRIVE数据集上进行实验,实验结果表明本文分割算法的准确性和敏感性大幅提高。比原U-Net算法准确性和敏感性分别提高了2.12%和7.51%,比DCU-Net准确性和敏感性分别提高了1.20%和2.55%。     

变权组合模型在我国手足口病发病率预测中的应用北大核心CSCD

目的探讨变权组合模型在我国手足口病月发病率预测中的应用,并与ARIMA模型和残差自回归模型的预测效果进行比较。方法收集2008年1月至2014年12月我国手足口病月发病率资料,用SPSS13.0和Eviews8.0拟合三种模型,并用2014年7-12月的数据比较三种模型的拟合和预测效果。结果 ARIMA模型、残差自回归模型和变权组合模型拟合及预测的MRD,MSE,RMSE和MAE分别为14.006,4.689,2.165,0.147和13.565,4.416,2.101,0.133;16.793,7.247,2.692,0.171和16.206,6.639,2.577,0.164;8.447,1.843,1.358,0.092和8.409,1.833,1.354,0.082。结论变权组合模型拟合及预测效果优于ARIMA模型和残差自回归模型。     

COX模型的残差分析和影响诊断

目的 :本文介绍了识别 COX模型中强影响点的诊断方法。方法 :利用 COX回归模型的两种残差和经验影响函数识别 COX模型的强影响点 ,并通过实例比较两种方法的优劣。结果 :实例显示对影响函数绝对值较大的点 ,如明显偏离其它数据点 ,可诊断为强影响点。结论 :影响函数可有效地诊断 COX模型的强影响点 ,而残差分析效果平平 ,建议实际应用中采用前者。     

残差分析在回归模型诊断中的应用

人们在用最小二乘法研究线性回归模型(?)=Xβ ε时,为了使常数项α和回归系数β为无偏估计,且具有方差最小性,而要求随机误差ε满足E(ε)=u和Guass-Markov假定COV(ε)=σ~2I,并在探讨其假设检验和区间     

重庆市疟疾发病数三法预测的比较

重庆市疟疾发病数三法预测的比较罗同仁，李继艮，潘伯荣，相升碧，刘大蓉重庆市第二卫生防疫站水１１１重庆市第四军医大学关键疟疾，灰色残差模型，指数曲线模型，双曲线模型疟疾是危害人民健康最严重的传染病之一，准确地预测疟疾发病数量对圆满实现防治规划极为重要，...     

被动吸烟对儿童肺功能影响的研究

本文对上海市居住区域767名10～14岁儿童进行被动吸烟对儿童肺功能影响的调查。采用逐步回归法,建立“最佳”回归模型,对所有调查儿童的性别、年龄、身高、胸围、体重等因素进行校正,认为被动吸烟儿童的肺功能PEF、V_(75)、V_(50)、V_(25)指标与非被动吸烟儿童相比较均有显著差别(p<0.01),还认为随着吸烟指数增加,肺功能各指标逐渐下降(p<0.01)。     

天津市与全国经济波动的实证分析和比较

经济时间序列分析过程中,平稳的时间列其方差变化表现出一定的规律,即较大的方差族之后往往跟着另一个较大的方差族,而较小的方差族之后则跟着较小的方差族,尽管残差不相关,但残差平方项却显著相关,这种现象称之为波动族,针对这一情况Engle(1982)提出了能反映上述像现象的ARCH模型[1],并于2003年获得诺贝尔经济学奖,ARCH模型被广泛运用在经济、金融领域.我们利用1992～2003年国家和天津季度GDP对此进行实证分析和比较.     

直线回归方程的精度估计

科研资料分析时，经常要用到回归分析。直线回归分析的效果好坏一般用残差来表示，常用指标为剩余标准差(SY-X)。同一资料用不同方法所求回归预测Y值的估计值与实测值的残差越大，则回归分析的效果越差；反之，回归预测Y值的估计值与实测值的残差越小，则回归分析的效果越好。对于不同的资料回归分析的精度比较时，可以用(SY-X)比较．有时需用决定系数r^2来表示，现举例说明如下。