我国医院科技影响力评价指标体系研究

应用文献调研法形成指标体系框架,通过两轮Delphi专家咨询法确定适用于我国医院科技影响力评价的指标体系,具体包括3个1级指标、9个2级指标和21个3级指标。本研究所建立的较完备的中国医院科技影响力评价指标体系,可用于评价我国医院的科技影响力水平,为医院的科研管理和科研决策提供信息支持。     

中国医院科技影响力评价研究与实践

选取全国1 629家三级医院,经过数据采集、规范、整合、加工和分类等环节,计算得到中国医院科技影响力综合排名、学科排名和地区排名。该研究可用于评价我国医院的科技影响力水平,为国家和地方科技管理者制定与调整医院科技政策以及科技导向提供依据。     

我国三级医院科技影响力评价的实证研究

为评价已建立的我国三级医院科技影响力评价指标体系的实际应用,选取全国1130家三级医院,根据指标体系收集数据,经综合评价方法计算医院科技影响力水平,采用Kruskal-Wallis秩和检验分析其影响因素。结果表明不同等级、不同类型及不同地区的医院科技影响力均存在统计学差异(P<0.05)。该研究可为国家和各省份科研管理者制定和调整医院科研政策以及科研导向提供一定和依据。     

基于熵权TOPSIS法的区域医院科技影响力评价研究

目的:开展区域医院科技影响力评价研究,助力我国区域医院科技创新体系建设。方法:以中国医院科技影响力评价体系为基础,通过专家咨询和访谈,形成更符合区域特色的区域科技影响力评价体系。采用熵权法并依赖数据本身的离散性得到指标权重,采集并处理深圳市50家医院科技影响力的评价指标数据,利用TOPSIS法计算得出其综合科技影响力。结果:确定了区域医院科技影响力评价指标体系,包括科技产出、学术影响和科技条件3个维度,共21个三级指标。不同医院的科技影响力明显不同,参评医院的国家级重点科研项目数量较少,国家级科研平台数量较少。结论:建议深圳市加强政府统一筹划,增加医院科技投入;促进高水平综合医院的全面发展,突出专科医院的特色;加强科研平台建设,为医院的科技发展奠定基础;建设富有创新意识和创新能力的科技队伍,优化利用区域医院科技资源,培育及提高区域科技竞争优势。     

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.     

基于论文视角的科技计划项目影响力关联评价模型

从论文的视角对“科技项目-人员-成果（论文）”进行关联,构建要素递进的项目影响力关联评价模型,提出通过项目影响力指数PII和人员贡献度指数PCI对科技项目的整体执行情况进行评估的方法,并选取信息资源管理领域国家自然科学基金结题项目数据进行实证计算,验证该影响力关联评价模型的可行性。     

改进的RBF神经网络模式分类方法理论研究

研究了前向两层径基函数（RBF）网络和前向两层线性基本函数（LBF0网络的发类机理及其结构与初始参数优化确定方法，提出了Guassian核函数的中心和宽度应通过学习自动确定，在学习过程中根据错分样本自身的类别和被错分入的类别自动生成新的核函数，并根据新增核函数对测试集的作用自动删除多余核函数的观点，从理论上阐明了采用Sigmoid活化函数的两层LBF网络的分类阈值为0．5，进而提出了由两层RBF网络和两层LBF网络组成的前向RBF神经网络－－IRBF神经网络。     

改进的RBF神经网络模式分类方法应用研究

经典的Bayes分类方法一般需要事先对样本的分布特性作出假设,当假设模型与样本实际分布情况不相符时,就难以得到较高的分类精度。当处理同类别多区域样本分布问题,例如变标签问题时,距离判别、Fisher判别、k－近邻分类、分段线性分类等统计分析方法遇到困难。双螺旋问题不仅使统计方法受到挑战,更使人们对一般前向多层神经网络的能力提出疑问。本文提出了改进的RBF神经网络结构、核函数个数、位置与宽度优化算法。该算法的计算复杂性与一般前向三层LBF网络所用的误差反传算大致相同。核函数生成既考虑了训练集样本自身的类别因素,又考虑了错分样本与邻近类别的关系。一个核函数的最终保留与否根据其对提高测试集分类正确率的贡献大小来决定。同时实验验证了两层LBF网络对提高改进的RBF网络分类正确率的极端重要性。大量应用实例表明,与前向三层RBF网络和前向三层LBF网络相比,该IRBF网络具有收敛速度快、分类精度高、易于得到最小结构、在学习过程中不易陷入局部极小点等优点,有利于实现实时分析。     

基于BP神经网络的科技战略情报研究需求理解评价研究

分析了科技战略情报研究需求理解的概念内涵,提出了需求理解评价总体思路。从重要度和可实现度两个维度构建了科技战略情报需求理解评价的指标体系,建立了基于BP神经网络的科技战略情报需求理解评价模型,并通过案例验证了用于构建科技战略情报研究需求理解评价模型的方法,为科学实施科技战略情报研究需求分析工作提供了新思路和新途径。     

基于RBF的肾阳虚大鼠甲状腺与性腺功能的动态分析

目的 通过建立肾阳虚大鼠三碘甲腺原氨酸(T3)、甲状腺素(T4)与睾酮(T)的人工神经网络模型,探讨肾阳虚过程中甲状腺与性腺功能的动态关系.方法 肌肉注射氢化可的松复制肾阳虚大鼠模型,分别观察早期、中期和晚期肾阳虚大鼠T3、T4与T等指标,建立T3、T4与T之间的径向基函数网络模型,利用模型分析甲状腺与性腺功能之间的变化规律和特征.结果 肾阳虚网络模型的相对均方误差都在10%以内.结论 径向基函数网络模型能比较准确反映肾阳虚大鼠甲状腺与性腺功能之间复杂的非线性关系.     

一种基于RBF网络的参数自调整REM算法

针对传统的随机指数标记（Random Exponential Marking,REM）算法存在参数难以调整的缺陷,提出了一种改进型主动队列管理算法—基于RBF网络的参数自调整REM算法。利用RBF神经网络动态地对算法参数进行调整,使其能够适应不断变化的网络环境。该算法将REM算法在一定条件下近似为比例积分控制,使REM算法参数调节近似等效于比例积分系数的调节,简化了参数调节,提高了算法的实时性。仿真实验表明：该算法优于传统的REM算法,具有良好的鲁棒性及较快的调节速率。     

A Radial Basis Function Neural Network Model for Classification of Epilepsy Using EEG Signals

Epilepsy is a disorder of cortical excitability and still an important medical problem. The correct diagnosis of a patient’s epilepsy syndrome clarifies the choice of drug treatment and also allows an accurate assessment of prognosis in many cases. The aim of this study is to evaluate epileptic patients and classify epilepsy groups such as partial and primary generalized epilepsy by using Radial Basis Function Neural Network (RBFNN) and Multilayer Perceptron Neural Network (MLPNNs). Four hundred eighteen patients with epilepsy diagnoses according to International League against Epilepsy (ILAE 1981) were included in this study. The correct classification of this data was performed by two expert neurologists before they were executed by neural networks. The neural networks were trained by the parameters obtained from the EEG signals and clinic properties of the patients. Experimental results show that the predictions of both neural network models are very satisfying for learning data sets. According to test results, RBFNN (total classification accuracy = 95.2%) has classified more successfully when compared with MLPNN (total classification accuracy = 89.2%). These results indicate that RBFNN model may be used in clinical studies as a decision support tool to confirm the classification of epilepsy groups after the model is developed.     

基于径向基函数网络的非线性通用模型控制

为了克服通用模型控制器要求过程一阶微分模型应该有显式解的局限性，提出了一种基于神经网络的通用模型控制方法，将非线性过程模型应用逆系统的方法在控制算法中直接嵌入过程模型，从而保证通用模型控制策略的可实现性。其参考轨迹是一条典型的二阶曲线，由于径向基函数网络具有许多优点，该控制策略中的神经网络为径向基函数网络。该控制器参数具有明显的物理意义，参数整定方便。仿真实验验证了该控制策略的有效性。     

一种基于RBF神经网络的传感器故障诊断方法

针对传感器故障，提出了一种基于RBF神经网络的集成故障诊断方法，用RBF神经网络建立传感器故障模型，对系统的状态和故障参数进行在线估计，然后将故障参数与修正的Bayes分类算法（MB算法）相结合，进行传感器故障在线检测、分离和估计。对连续搅拌釜式反应器（CSTR）的仿真结果表明，该集成故障诊断方法能够对多重传感器进行故障进行快速准确的分离和估计，并对传感器故障具有容错性。     

基于模糊神经模型的自适应单神经元控制系统设计

提出一种基于模糊神经模型的自适应单神经元控制系统.该控制系统首先根据采集到的输入输出数据建立被控过程模型,并在此基础上引入单神经元控制器.通过李亚普诺夫方法对控制器参数进行在线调节,从而使得系统输出值能够较快跟踪设定值.理论分析和仿真结果表明:本文提出的单神经元控制器和传统的PID控制器具有极其相似的结构,因此,具有结构简单、易于操作的特点,具有较快的跟踪速度,并且控制参数可以在线调节.     

基于多神经网络模型的酯化反应软测量

对模糊C-均值聚类算法加以改进，将系统输入数据进行模糊划分，分成具有几个不同聚类中心的子集；继而引入到多模型建模过程中，针对每个子集建立相应的径向基函数(RBF)网络模型。而全局模型则由各个子模型的输出加权组合。最后通过对聚合釜反应器软测量建模的研究，表明该方法具有拟合精度高和泛化能力强的特点，验证了此多模型建模方法的有效性和快速性。