基于BP神经网络的siRNA活性预测

RNA干扰(RNAinterference,RNAi)是由双链RNA(dsRNA)引起的基因沉默现象,它通过降解具有同源序列的mRNA来起作用,特殊设计的siRNA能使靶基因发生特异性沉默,起到确定基因功能或沉默致病基因从而治疗疾病的目的。在RNAi技术的应用中,通常采用的是长度为19bp,正、反义链3'端各有2个不配对碱基的双链RNA(siRNA)。但针对靶基因不同位点设计的siRNA作用效果差别很大。影响siRNA效果的因素是多方面的,这些因素的作用又是非线性的。本文在研究影响siRNA作用效果的各种因素的基础上,对已经公开发表的实验数据进行特征提取,作为BP神经网络的训练数据,并将训练好的BP神经网络用于siRNA活性预测。     

老年心血管危重患者有创与无创血压监测对比研究

目的比较老年心血管危重患者有创与无创血压同一时间段测量值的差异。方法对31例患者同一时间进行有创与无创血压测定,测压时间为入住ICU后30min及1、2、3h共4次,并对同一患者同一时间同时监测右侧有创血压与对侧无创血压平均差值进行分析比较。结果有创血压值比无创血压值高。结论临床上在治疗和抢救老年心血管危重患者时应考虑到有创与无创血压的差异,慎重处理。     

基于BP神经网络的京津冀城市群可持续发展综合评价

在综合分析了京津冀城市群各城市功能定位的基础上,构建了包含经济发展、社会发展、科技创新和生态环境4个子系统的城市可持续发展评价指标体系,运用2006—2015年的数据,采用熵值法和BP神经网络对京津冀城市群可持续发展能力进行非线性测度与分类,结果较为理想。结果表明:(1)北京和天津处于高可持续发展水平,可持续发展能力在空间上呈现出以京、津为中心随距离递减的趋势,最南端的邯郸和邢台处于低可持续发展水平;(2)北京可持续发展能力呈现下滑趋势,其他城市可持续发展能力逐年稳步上升,大城市可持续发展压力较大;(3)城市在不同子系统中存在各自的优劣势。各个子系统在可持续发展中均起到重要作用,城市宜结合各自子系统的优、劣势制定具有针对性的发展对策。     

基于BP神经网络和遗传算法的面包酵母高密度发酵培养基优化

为实现面包酵母的高密度发酵培养,构建一个BP神经网络模型,用于回归面包酵母高密度发酵培养基中显著影响因子与菌体密度之间的非线性关系,并在此基础上结合遗传算法进对此模型进行全局寻优,得到关键因子最佳浓度分别为:葡萄糖52.3 g/L,酵母浸出粉10.4 g/L,(NH4)2SO41.9 g/L.采用此优化配方进行摇瓶培养,所得菌体密度为3.95×108个/mL,比对照提高了61.2％.结果证实了人工神经网络的模拟和预测功能在微生物培养基优化方面有一定应用价值.     

BP神经网络优化槐花中芦丁的提取工艺

为提高槐花加工过程中芦丁的得率,以槐花为原料提取芦丁,采用正交试验设计收集试验数据,利用BP神经网络的自学习能力,通过仿真和评估,优化其提取工艺参数。结果表明:BP神经网络与正交实验方法相结合,能更好的利用已知信息,最佳仿真提取条件为:pH 9.50,乙醇体积分数60%,时间1.45 h,料液比1∶21,运用该提取条件用于实际研究中,测得实际得率为13.51%,试验结果优于正交试验,获得较为理想的目标值。     

基于BP神经网络的SARS传播预测

政府的控制措施作为影响SARS传播的因素,利用BP网络,对SARS的传播规律进行预测.以北京市的SARS数据来进行验证,结果显示,该方法准确率非常高.     

血清IL-1RA水平与非酒精性脂肪性肝病的相关性及无创诊断的临床价值

目的:探究血清白介素-1受体拮抗剂(IL-1RA)与非酒精性脂肪性肝病(NAFLD)进展的相关性,以及无创性预测诊断NASH的临床价值。方法:选取确诊NAFLD病例60例,配套肝穿刺活检组织标本及肝穿前一周血清。经B超检查无脂肪肝症状的正常健康人群30例,作为对照。测量身高、体重、腰围等生理指标,计算BMI;检测ALT、AST、AST/ALT、ALP、GGT、TC、TG、HDL、LDL等生化指标;双抗夹心法测定血清中IL-1RA浓度水平。结果:血清IL-1RA与ALT、AST及GGT具有相关性(P0.05),与肝细胞脂肪变性、气球样变、小叶内炎症、汇管区炎症及纤维化程度呈高度相关(P0.01);随NAS评分增高其浓度增大,呈高度正相关(r=0.915,P0.01);NASH患者血清中IL-1RA明显高于Non-NASH患者(t=2.88,P0.01),经ROC曲线分析,曲线下面积AUROC=0.986,利用Youden指数确定最佳敏感性为89.7%,特异性为97.9%,最佳cut-off值为171.8 ng/L。结论:NASH患者血清IL-1RA水平明显升高,血清IL-1RA可作为评价NASH及其严重程度的独立预测因子,可以作为一个无创性诊断指标对NASH进行诊断。     

基于神经网络的异位妊娠发病率发展趋势研究

本文阐述了ＢＰ神经网络的基本算法,并根据近十年来搜集整理的异位妊娠发病率的统计资料;采用 ＢＰ神经网络对异位妊娠的发病率的发展趋势进行预测;预测结果和实际结果比较吻合．进一步指出了神经网络可作为一种新的预测方法．     

BP神经网络优化微生物浸矿工艺

以低品位黄铜矿溶液为原料,浸矿制备Cu2＋能有效提高低品位黄铜矿的利用价值。基于浸矿过程中存在多因素影响的现象,通过正交试验与神经网络分析方法,对浸矿条件（接种量、矿石品位、Fe2＋添加量及浸矿溶液pH）实行优化。结果表明：在正交试验组中最佳试验结果为浸矿产128．753mg／LCu^2＋;BP神经网络优化后的最佳实验组合为微生物接种量12％、矿石品位0．3％、添加Fe^2＋24g/L及浸矿溶液pH1．7,该条件下验证试验产Cu^2＋ 141．352mg／L,通过正交试验及神经网络优化提高了微生物浸出低品位黄铜矿酸性溶液Cu^2＋的产量。     

基于小波分析与BP神经网络的西湖叶绿素a浓度预测模型

小波神经网络是基于小波分析理论所构造的一种分层的、多分辨率的新型人工神经网络。选择合适的小波基和分解尺度对西湖水体Chl—a进行小波分析,将原序列分解成一个低频概貌分量和多个高频细节分量,再通过BP网络建立西湖叶绿素a浓度短期预测模型Ⅰ和模型Ⅱ。模型Ⅰ将小波分析去除高频细节信息后的低频概貌部分作为输入变量预测Chl-a含量;模型Ⅱ则对低频部分和高频部分分别进行预测,最后汇总各分网络输出得到最终结果。对确证集预测时,模型Ⅰ的平均误差为4．4％,模型Ⅱ仅为1．9％,且误差范围较模型Ⅰ小,表明模型Ⅱ具有较高的预测精度和稳定性。最后运用模型Ⅱ进行水质预测,预测值与实际值的平均相对误差为6．4％,并选取3号点（中山码头）进行模型的泛化,平均相对误差为6．9％,取得了较理想的预测效果,说明小波神经网络能成功预测西湖水体中Chl—a含量的短期变化趋势,为西湖水质管理提供科学依据。     

基于BP神经网络的草莓振动损伤模型

应用BP神经网络对草莓振动损伤进行分析和建模,并进行了算法的改进．学习结果表明神经网络模型,准确地反映了草毒的振动损伤．该文所用方法,亦可用于其它类果蔬的损伤预测．     

用于识别心电图的BP网络系统

基于ＢＰ神经网络算法和心电图（ＥＣＧ）识别的原理,作者系统地探讨了ＢＰ网络用于心电图识别的方法并设计了一个用ＢＰ网络识别三种类型（ＥＣＧ）一正常、下壁心肌心梗塞和前间壁心肌梗搴系统。实验结果较好。     

A Model to Discriminate Malignant from Benign Thyroid Nodules Using Artificial Neural Network

Objective

This study aimed to construct a model for using in differentiating benign and malignant nodules with the artificial neural network and to increase the objective diagnostic accuracy of US.

Materials and methods

618 consecutive patients (528 women, 161 men) with 689 thyroid nodules (425 malignant and 264 benign nodules) were enrolled in the present study. The presence and absence of each sonographic feature was assessed for each nodule - shape, margin, echogenicity, internal composition, presence of calcifications, peripheral halo and vascularity on color Doppler. The variables meet the following criteria: important sonographic features and statistically significant difference were selected as the input layer to build the ANN for predicting the malignancy of nodules.

Results

Six sonographic features including shape (Taller than wide, p<0.001), margin (Not Well-circumscribed, p<0.001), echogenicity (Hypoechogenicity, p<0.001), internal composition (Solid, p<0.001), presence of calcifications (Microcalcification, p<0.001) and peripheral halo (Absent, p<0.001) were significantly associated with malignant nodules. A three-layer 6-8-1 feed-forward ANN model was built. In the training cohort, the accuracy of the ANN in predicting malignancy of thyroid nodules was 82.3% (AUROC = 0.818), the sensitivity and specificity was 84.5% and 79.1%, respectively. In the validation cohort, the accuracy, sensitivity and specificity was 83.1%, 83.8% and 81.8%, respectively. The AUROC was 0.828.

Conclusion

ANN constructed by sonographic features can discriminate benign and malignant thyroid nodules with high diagnostic accuracy.     

应用BP神经网络对荒漠啮齿动物种群数量的预测研究

群落的格局与动态是群落生态学研究的核心内容,种群数量预测是研究群落动态的主要途径之一。本研究尝试采用2006~2014年阿拉善荒漠区啮齿动物数量数据建立BP神经网络模型,对啮齿动物群落全部组成物种的总个体数量进行模拟与预测。BP神经网络通过模拟学习,建立模型,能够实现对啮齿动物群落数量动态规律进行模拟与预测。本研究以阿拉善荒漠为试验区,以啮齿动物个体数量为研究对象,采用标志重捕法,监测2006~2014年每年4~10月的数量,建立BP神经网络预测模型,利用2006~2013年的数据建立训练网络,以2014年的数据进行验证与测试,比较单层隐含层、双层隐含层和三层隐含层BP神经网络模型。结果表明:单隐含层模型的隐含层节点数为6时,最大误差百分比为16.13%,决定系数0.998 0(P=0.006 0)。双隐含层模型的两层隐含层节点数均为6时,最大误差百分比为8.58%,决定系数0.999 5(P=0.002 3)。三层隐含层模型的三层隐含层节点数分别为1、10和7时,最大误差百分比为5.87%,决定系数0.999 2(P0.000 1)。不同隐含层网络模型的预测效果均取得了满意效果,通过比较最大误差百分比、平均误差百分比、决定系数及拟合优度,三层隐含层优于单隐含层及双隐含层的BP神经网络模型。本文认为三层隐含层的BP神经网络模型更适合于阿拉善荒漠区啮齿动物群落全部组成物种的总个体数量的预测研究。     

A Novel Evaluation Strategy to Artificial Neural Network Model Based on Bionics

With the continuous deepening of Artificial Neural Network(ANN)research,ANN model structure and function are improv-ing towards diversification and intelligence...     

BP神经网络在农产品生产与检测中的应用

人工神经网络是人工智能领域中发展迅速的信息处理技术之一,充分发挥人工神经网络的技术优势,是在农业领域内实现生产劳动自动化的重要途径．本文对BP网络模型及其算法进行了分析研究,从农产品的外观评判、生产预测建模和分类分级鉴定等方面综述了国内外最新研究进展,并展望了今后的应用前景。     

遗传算法优化真菌深层培养过程神经网络模型的研究

提出一种简易的真菌深层培养过程网络模型。输入变量为可在线测量的排气中的二氧化碳浓度,网络权数采用遗传算法进行优化训练。所获神经网络模型能准确预测培养过程的状态变量(生物量浓度,产物浓度等)。研究表明遗传算法训练此类神经网络系统是可行的。     

基于熵准则的鲁棒的RBF谷胱甘肽发酵建模

在谷胱甘肽的发酵过程建模中, 当试验数据含有噪音时, 往往会导致模型预测精度和泛化能力的下降。针对该问题, 提出了一种新的基于熵准则的RBF神经网络建模方法。与传统的基于MSE准则函数的建模方法相比, 新方法能从训练样本的整体分布结构来进行模型参数学习, 有效地避免了传统的基于MSE准则的RBF网络的过学习和泛化能力差的缺陷。将该模型应用到实际的谷胱甘肽发酵过程建模中, 实验结果表明: 该方法具有较高的预测精度、泛化能力和良好的鲁棒性, 从而对谷胱甘肽的发酵建模有潜在的应用价值。