基于GMDH型神经网络的EEG分类研究

为了提高对不同认知状态下脑电信号(EEG)的分类正确率，提出一种GMDH型神经网络及改进的训练算法。此网络结构在演化中生成，分类规则由简单多项式表示，训练算法可防止出现过拟合。此网络用于区分算术运算和休息状态下的脑电信号，正确率达到84．5％，与标准前向型神经网络(FNN)比较，显示了较好的分类效果。     

单一及端基异构混合型半乳糖脂衍生物抑菌功效的初步研究

针对污水处理过程这一多变量、强耦合的复杂非线性系统,提出了一种基于差分进化算法的模糊神经网络控制方法,并应用于污水处理过程溶解氧浓度的控制。首先利用差分进化(DE)结合BP的混合算法对给定的模糊神经网络控制器结构参数进行离线优化,然后利用BP算法较强的局部搜索能力,对参数进一步在线调整。将所提出的控制器用于污水处理BSM1仿真平台的溶解氧浓度控制,控制性能优于常规的模糊控制器,仿真结果表明了该控制策略的有效性。     

探讨模糊神经网络在麻醉监测中的应用

手术过程中,对患者麻醉深度的监测极其重要,常因不当麻醉而给患者带来心理上的后遗症。因此可靠而无创伤的麻醉深度监测方法是令人期望的。本文探讨了建立模糊神经网络模型以期实现麻醉深度的监测。文中从EEG信号中提取Kc复杂度、近似熵、小波熵三个非线性动力学特征参数,对模糊神经网络进行训练,成功监测病人是否处于麻醉状态,精确度达到97.08%/98.65%(麻醉状态/正常状态)。实验证明,模糊神经网络具有良好的准确性和稳定性,是麻醉深度监测有效而又有潜力的一个工具,具有临床应用价值。