基于启发式BP算法的软件缺陷预测模型

针对软件缺陷预测时缺陷数据集中存在的类别分布不平衡问题，结合上采样算法SMOTE与Edited Nearest Neighbor (ENN) 数据清洗策略，提出了一种基于启发式BP神经网络算法的软件缺陷预测模型。模型中采用上采样算法SMOTE增加少数类样本以改善项目中的数据不平衡状况，并针对采样后数据噪声问题进行ENN数据清洗，结合基于启发式学习的模拟退火算法改进四层BP神经网络后建立分类预测模型，在AEEEM数据库上使用交叉验证对提出的方案进行性能评估，结果表明所提出的算法能够有效提高模型在预测类不平衡数据时的分类准确度。     

基于BP神经网络的条带刚凸特征回弹预测

为了研究核燃料组件格架的条带刚凸特征的回弹量与压边力、冲压速度、凸凹模间隙、摩擦系数等冲压工艺参数之间的关系,首先,获取包含50个GA拉丁超立方抽样的数据点以及10个随机抽样的数据点的数据集,前者作为训练集、后者作为测试集。将前者输入到BP神经网络进行训练,后者验证训练模型的精度。最后,通过响应面图研究各因素之间的交互作用以及各因素的敏感程度。结果表明:BP神经网络能够有效预测刚凸回弹量与冲压工艺参数之间的关系,相对于其他因素,压边力对回弹量的影响特别明显,冲压速度对回弹量的影响不明显,但与凸凹模间隙和摩擦系数有明显的交互作用。     

Development of Core-Shell Nanoparticle Drug Delivery Systems Based on Biomimetic Mineralization

Among various drug-delivery systems, core-shell nanoparticles have many advantages. Inspired by nature, biomimetic synthesis has emerged as a new strategy for making core-shell nanoparticles in recent years. Biomimetic mineralization is the process by which living organisms produce minerals based on biomolecule templating that leads to the formation of hierarchically structured organic–inorganic materials. In this minireview, we mainly focus on the synthesis of core-shell nanoparticle drug-delivery systems by biomimetic mineralization. We review various biomimetic mineralization methods for fabricating core-shell nanoparticles including silica-based, calcium-based and other nanoparticles, and their applications in drug delivery. We also summarize strategies for drug loading in the biomolecule-mineralized core-shell NPs. Current challenges and future directions are also discussed.     

基于交会图和多元统计法的神经网络技术在火山岩识别中的应用

针对火山岩储层的特殊性(复杂性、离散性和随机性),应用BP神经网络技术对火山岩测井解释中岩性识别问题进行了研究。该方法的技术关键是样本集和初始权重的建立,以及模型的优选。本文提出了一种基于交会图和多元统计法的学习样本生成方法,即根据取心岩样的地球化学和岩石学研究,用交会图技术建立样本集,采用聚类分析和距离判别法确定初始权重。将研究方法应用在松辽盆地杏山地区火山岩岩性识别问题中,取得了很好的效果,岩性解释符合率高于90%。文中通过四种岩性识别处理模式的对比研究,表明赋权重处理模式为最优处理模型。在神经网络模型预测过程中,需充分利用已有的地质经验和测井曲线信息建立典型可靠的样本文件,同时考虑神经网络方法中各种因素的影响,优选模型和计算参数才能使预测结果符合实际情况。     

应用改进BP网络对潼关高程的预测

作者在分析了影响汛前和汛后潼关高程变化值的因素的基础上，利用改进BP网络模型对非特征汛期和汛期潼关高程的变化值进行了计算。计算中不采用潼关的绝对高程，而用高程的变化量作为网络的较出物正量，从而减少计算误差，同时又能客观地考虑各影响因子的作用。改进后的BP模型学习时间短，精度满足要求。用该模型计算的潼关高程变化趋势与实际水库调度运行中的高程基本吻合。     

一个新颖的轮廓线跟踪算法

提出了一个新颖的基于隐马尔科夫模型与光流的轮廓线跟踪算法。曲线描绘由B样条形状空间向量来表达,能够捕捉全局和局部变形。提出应用沿曲线的光流计算来预测曲线在下一帧的位置,在预测曲线的基础上,提出应用隐马尔科夫模型来准确定位曲线的位置。隐马尔科夫模型提供了一种有效的概率手段来融合多种量测特征比如边缘,曲线平滑性,区域灰度或颜色统计信息等等,能够更准确的定位曲线位置。基于仿射形状空间的实验了表明本文所提出算法的有效性。     

半合成发动机油基础油调配的仿真研究

采用矿物油、聚α-烯烃、多元醇酯和高压加氢BS光亮油调配半合成发动机油基础油,并测定不同配比下基础油的油膜强度、摩擦系数和粘度指数,通过双隐层BP神经网络对基础油调配进行仿真研究,建立了半合成发动机油基础油调配配方优化模型,经过优化训练后,最终得出综合性能优良的配方组合。按49.9957∶4.3693∶42.4578∶3.1772的配比调配基础油,可以使基础油的油膜强度、摩擦系数和粘度指数分别达到56 kg,0.065和112,经实验后仿真结果与实验结果(56 kg;0.065598;112)极其吻合。     

人工神经网络预测木头油田储层孔隙度渗透率

由于历史原因,木头小规模油田在开发过程中,评价油藏、储层的物性参数严重匮乏。随着开发阶段的不断变化,剩余油分布、注采关系分析和油藏地质建模、数值模拟等工作需要高精度的物性参数。本文提出了应用改进的人工神经网络BP模型对储层孔隙度、渗透率进行预测的方法,通过实际运用,和使用多元逐步回归法相比,预测的精度大幅度提高,渗透率相关系数可由0.8436提高到0.9961,相对误差2.19%,从而为深化储层认识提供了准确的孔隙度、渗透率参数。     

基于遗传算法的BP网络在导弹武器系统元器件贮存可靠性预测中的应用

针对目前BP神经网络在应用中,网络结构难以确定以及网络极易陷入局部解问题,用遗传算法优化神经网络的连接权和网络结构,并在遗传进化过程中引入交叉概率和变异概率与个体的适度值相联系,改进了操作算子,而且在交叉操作后又引入模拟退火机制,提高遗传算法的局部搜索能力.建立了基于改进遗传算法的BP网络贮存可靠性预测模型,并以某型导弹武器系统的元器件进行实例分析,计算结果表明,该方法预测的准确性高,且预测结果稳定.     

神经网络分类器的快速构造算法

使用ＢＰ算法训练多层网络的速度很慢而且事先难于确定隐节点和隐层的适当数目。本文提出一个有效的算法，先构造决策树，然后将构造的决策树转换为神经网。文中使用一个全局准则函数控制决策树的增长，它较好地匹配了树的复杂性和训练样本量及错分率界。实验结果，本文的算法比用ＢＰ算法训练多层网络要快，而其分类精度不低于用ＢＰ算法训练的多层神经网。