小波神经网络在流行性出血热中的预测应用

目的:应用小波神经网络对流行性出血热发病人数进行建模预测;方法:用2006年1月～2011年12月,共6年72个月的数据,用matlab7.0来实现小波神经网络和神经网络对流行性出血热发病率的建模预测。结果:小波神经网络预测平均误差0.27,神经网络为1.06。结论:小波神经网络拟合误差小于神经网络,说明小波神经网络在预测中有更好的函数逼近能力。     

小波神经网络在肿瘤预后中的应用研究

介绍了小波神经网络模型,给出了相应的算法和公式。将小波神经网络模型用于肿瘤患者预后研究。结果表明,与传统BP网络相比,小波神经网络具有较快的学习收敛速率,在肿瘤患者预后方面具有良好的应用前景。     

人口死亡率的灰色预测模型

应用 GM( 1,1)模型对十堰市城区人口的死亡率建立了灰色预测模型。经检验模型拟合精度高 ,外推预测效果好     

灰色数列预测模型在传染病死亡率研究中的应用

应用 GM(1,1)模型 ,根据部份城市地区传染病标化死亡率建立了灰色预测模型。经检验 ,模型拟合精度甚好 ,外推预测效果满意     

灰色模型GM(1,1)在北京市围产儿死亡率预测中的应用

应用 GM( 1,1)模型 ,根据北京市围产儿死亡率数据建立了灰色预测模型。经检验 ,模型拟合精度高 ,外推预测效果好。     

BP神经网络在疾病预测中的应用

目的:探讨BP神经网络在疾病预测中的应用。方法:设计合适的BP神经网络模型,用Matlab7.0编写模型程序,利用精神分裂症影响因素拟合模型。结果:BP神经网络在精神分裂症发病与否的预测中取得了较好的效果。结论:BP神经网络在流行病学中有良好的应用前景。     

小波分析在建立季节性趋势时间序列预测模型中的应用研究

为探讨小波分析在建立季节性趋势时间序列预测模型中的作用,提高预测精度,研究选择Meyer小波作3层分解与重构,分离出时间序列中的趋势项、周期项和随机项并分别建模。与Box-Jenkins模型相比较,验证该方法是可行的。     

灰色数列预测模型在人口出生率研究中的应用

本文应用的灰色预测模型是在原GM(1,1)残差的基础上建立的新模型,在残差的基础上建立更新的系统模型,如此直到r阶残差,达到精度更高的预测。并应用新模型对某地1980～1992年人口出生率资料做了预测分析。经拟合与外推预测,其结果较满意。由于此模型具有所需样本量小,无需典型的概率分布,计算简便和预测效果好。具有实用价值。     

基于小波神经网络的哈尔滨市伤寒发病规律的分析

伤寒由伤寒杆菌引起的急性消化道传染病,其发病以夏秋季为高峰(8～10月)。为了明确伤寒发病率与气象因素的关系,探讨其发病规律,我们以小波理论为基础结合神经网络模型建立了小波神经网络模型,精度检验结果表明,后验差比值C=0.0033,小误差频率P=1,拟合准确率达100%。说明模型拟合和预测精度均较高。该模型揭示了哈尔滨地区伤寒动态发病规律,为该地区预防伤寒病的发生提供了科学依据,也为其他传染病发病规律的分析提供了借鉴。     

基于模糊神经网络的粗糙集在股市预测中的应用

提出在模糊神经网络中使用粗糙集理论进行网络的设计.在模糊神经网络中引入粗糙集理论,不仅可以去除模糊神经网络中输入层的冗余神经元而且可以确定隐含层神经元的数目,从而使模糊神经网络具有更准确的逼近收敛能力和较高的精度.最后应用于股票市场,在股票买卖时机预测中取得了良好的效果.     

我国人口的灰色预测模型研究及其应用

应用GM(1,1)模型,根据1982~1990年我国人口的实际统计数据建立了灰色预测模型,并对我国未来人口进行了预测。     

BP神经网络在判别分析中的应用

为探讨 BP神经网络在判别分析中的应用 ,设计合适的 BP神经网络参数 ,利用 BP神经网络建立了判别模型。结果显示 ,BP神经网络在回代和前瞻性考核中都取得较好的结果     

因子分析法在不同地区恶性肿瘤死亡率分析中的应用

目的:利用因子分析的方法,研究各种恶性肿瘤死亡率间内在联系及地区分布特点,探讨山东省某县不同恶性肿瘤死亡率间的共同影响因素。方法:对某县2000~2002年3年的全死因回顾调查资料中不同地区各恶性肿瘤标化死亡率进行因子分析。用主成分法提取因子进行方差最大正交旋转,计算因子负荷及主因子得分。结果:经方差最大正交旋转后的4个主因子特征根分别为2.518、1.942、1.528、1.465,累计贡献率为74.54%。其中在第1公因子上载荷较大的有胃癌、白血病、乳腺癌、鼻咽癌,该因子在该县北部地区F、G、H、P等4个乡镇得分较高;在第2公因子上载荷较大的有食管癌、结肠癌,该因子在该县东北地区E、H等2个乡镇得分较高;在第3公因子上载荷较大的是肺癌和膀胱癌,该因子在该县西部地区D、N、Q等3个乡镇得分较高;在第4公因子上载荷较大的有肝癌和宫颈癌,该因子在该县中部地区B、G、K等3个乡镇得分较高。结论:不同肿瘤死亡率可能存在共同的支配因子,可从各因子得分较高的地区入手,进行流行病学调查,以发现具体影响因素,采取相应的防治措施以降低肿瘤死亡率。     

基于小波神经网络时间序列模型预测血药浓度的研究

基于小波神经网络时间序列模型预测阿司匹林血药浓度,来评价模型的适应性。方法 对4组家兔进行灌胃,分别于0.15 h、0.25 h、0.5 h、1.0 h、1.5 h、2.0 h、2.5 h、3.0 h、3.5 h、4.0 h、6.0 h、13.0 h、22.0 h时间点获取血药浓度数据,利用计算机软件MATLAB对其中3组实验数据进行网络训练,利用训练好的网络对剩下的1组血药浓度数据进行预测。之后联合药代动力学,判断其房室模型和药代动力学特点。结果 模拟仿真结果与实际数据基本相符合,网络的绝对平均误差范围在0.3%~5.39%,在统计学允许误差范围之内。联合药代动力学仿真证明了阿司匹林的血管外给药药动学特点是二室模型。结论 小波神经网络时间序列模型在预测阿司匹林血药浓度时具有较好的拟合能力和优良的预测能力,同时与药代动力学的结合更为现代临床药理的研究起到积极的推动作用。     

小波变换及其在分析化学中的应用

简述了小波变换的基本理论及其在分析化学中的应用。小波变换可同时提供时域与频域的信息,它把一个信号分角灵不同尺度和位置的分量,每分量代表原信号不同频率成分的信息。由于具有诸如正交性、方向选择性及可变的时－频分辨率等特性,小波变换已被成功用于ＦＩＡ、ＨＰＬＣ、ＵＶ、ＩＶ、ＮＩＲ、ＮＭＲ、ＭＳ、电分析化学及其它化学计量学如模式识别及人工神经网络等领域之中。小波变换及小波包变换被用来压缩分析数据,去噪音、     

小波分析及其在医学中的应用

介绍了小波变换的原理和特点以及小波分析法在 EEG、EP、ECG信号、医学图像等生物医学信号中的应用 ,并对小波变换在生物医学信号处理中的发展作了展望     

小波变换在医学图像去噪中的应用研究

对医学图像进行去噪可以提高医学图像的信息利用率,小波变换是目前最新的时频分析工具,是图像去噪的强有力处理工具。提出了一种基于小波变换的去噪方法,实验证明,该去噪方法能有效去除医学图像中的噪声。     

人工神经网络在蛋白质二级结构预测中的应用

应用蛋白质一级结构预测其二级结构是当前分子生物领域中最为前沿的一分光。在２０余种预测方法中，人工神经网络的预测效果显最为成功。本文着阐述了人工神经网络在蛋白质二级结构预测中的原理，特点及其最新进展。     

神经网络模型及其在临床药理学中的应用

神经网络在许多领域获得成功应用，并迅速渗透到医药研究中，如药物产品开发，氨基酸序列设计，蛋白质二级预测，蛋白质二级结构预测，脑电图模式识别，构效关系分析等方面，而在临床药理学中的应用刚起步，有少值得研究和探讨的内容。本文简要介绍ＮＮ的基本特征，常用模型，分类和算法，阐述误差反向传播神经网络的系统结构，作用函数，训练过程，及其在种间药代动力学参数换算，估算稳态药物肖度，预测药物效应，求算时－浓曲线下     

神经网络及其在药物设计中的应用

神经网络是一类新型的信息处理系统，本文介绍了神经网络的基本原理，对近几年神经网络在药物设计中的应用进行综述，并作了展望。