脑电信号数据压缩及棘波识别的小波神经网络方法

本文在对小波神经网络及其算法研究的基础上,提出了一种对脑电信号压缩表达和痫样脑电棘波识别的新方法。实验结果显示,小波网络在大量压缩数据的同时,能够较好的恢复原有信号,另外,在脑电信号的时频谱等高线图上,得到了易于自动识别的棘波和棘慢复合波特征,说明此方法在电生理信号处理和时频分析方面有着光明的应用前景。     

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BP神经网络和RBF神经网络预测老年痴呆症疾病进展的对比研究

目的:比较反向传播算法(BP)神经网络和径向基函数(RBF)神经网络预测老年痴呆症疾病进展的效果。方法:以老年痴呆症随访数据为研究对象,以性别、年龄、受教育程度、有无高血压、有无高胆固醇、有无心脏病、有无中风史、有无家族史8个指标作为输入变量,以五年随访的MMSE差值为输出变量,构建基于BP神经网络和RBF神经网络的老年痴呆症疾病进展预测模型。结果:与BP神经网络模型相比,RBF神经网络预测的结果更好,能够有效地预测老年痴呆症疾病进展。结论:神经网络模型将老年痴呆症疾病进展预测问题转化为随访数据中相关测量指标与MMSE差值的非线性问题,为复杂的老年痴呆症疾病进展预测提供了新思路。     

人肝癌细胞的IGF—BP1分子特性及内源性蛋白酶对其降解的研究

用ＳＤＳ－ＰＡＧＥ电泳、高效液相色谱（ＨＰＬＣ）、质谱等方法,研究了人肝癌细胞（ＨｅｐＧ２）分泌的胰岛素样生长因子结合蛋白－１（＾３５Ｓ－ＩＧＦ－ＢＰ１）的分子结构、特性,及其被内源性蛋白酶降解的特点,＾３５Ｓ－ＩＧＦ－ＢＰ１的经抗体免疫沉淀、生化分离,纯化为均一体,其分子是由多个亚构成的蛋白质,分子量约为２７ｋＤ;细胞ＵＭＲ、ＨｅｐＧ２、Ｈ３５ＢＲＬ３Ａ分泌的蛋白酶能将＾３５Ｓ－ＩＧＦ－ＢＰ１催     

大肠杆菌基因组中重叠基因注释的机器学习优化方法

细菌基因组上存在着大量的重叠基因,这不但缩减基因组尺寸,增加对遗传信息的有效利用,而且参与转录及转录后水平的调控。目前重叠基因的形成原因尚不清楚,缺少预测重叠基因是否存在的特征信息,不利于对 重叠基因的注释。本研究通过机器学习中的卷积神经网络算法对基因相关区域进行扫描,发现基因编码区前54 bp的区域可以作为判定重叠基因的标记信息,并采用支持向量机算法确证以上预测结果的准确性。通过对卷积神经网络模型的训练与优化,成功构建卷积神经网络模型,并用于大肠杆菌基因组中重叠基因的注释,对重叠基因的研究有重要意义。已训练好的模型和使用方法已经发布于GitHub,具体内容参看以下网址：https://github.com/breadpot/Convolutional_Neural_Network_Bacteria_overlapping_genes_prediction。     

利用BP神经网络方法预测西湖叶绿素a的浓度

在西湖共设了 8个采样点 ,通过主成分分析选取了最能代表西湖水质状况的 7号点 (湖心 )作为研究对象。根据 2 0 0 0年 1月至 2 0 0 1年 4月西湖常规监测的水生生态数据 ,并用插值的方法使其生成足够多的样本数 ,利用 BP人工神经网络 ,探索其用于西湖水生生态状况 (叶绿素 a的浓度 )的短期变化趋势预测的可行性 ,从中找出最能反映西湖水生生态状况变化趋势的水质因子用来建立网络。并用 3号点的数据来检验网络的泛化性能 ,发现网络输出值与实际值吻合度较高。结果表明 ,水温和叶绿素a对未来一周的叶绿素 a含量影响最大 ,以这两者作为输入变量建立的网络简单、快捷 ,比其他线性数值模拟预测有较大的优势。说明人工神经网络对叶绿素 a的预测是一种有效工具 ,可为西湖富营养化治理提供科学依据。     

试验设计和优化及其在发酵培养基优化中的应用

在发酵工业中,发酵培养基的优化对发酵水平的提高起着举足轻重的作用。而在寻求最佳发酵培养基的过程中,试验设计及统计优化发挥着重要作用。对近年来常用的试验设计及优化方法进行了综述,内容包括单因素轮换法、析因设计、均匀设计、响应面设计、人工神经网络和遗传算法等多种试验设计和优化方法,并对其进行分析和比较。     

基于小波神经网络的图像去噪算法

生物医学图像在成像时不可避免地受到噪声影响,因此噪声去除是生物医学图像处理的一项重要研究课题。将小波神经网络引入图像去噪领域中,通过多种技术优化网络学习过程,最终建立一种图像去噪新算法。实验结果表明,该算法在去除噪声上优于传统的中值滤波等方法,并具有较强的鲁棒性;同时能够最大限度地保护图像的细节信息,具有很好的保真度。     

具时滞的Hopfield型神经网络模型的全局渐近稳定性

本文研究了具时滞的Hopfield型神经网络模型平衡点的全局渐近稳定性,获得了一系列充分条件。