基于Spring框架的畜禽疾病诊断专家系统的设计与实现

针对传统诊断专家系统存在的问题,结合国内外研究现状,采用Hibernate+GWT+Spring技术设计实现了畜禽疾病诊断专家系统,实现了畜禽的疾病诊断和防治功能。该系统采用混合推理策略,运用基于产生式规则的知识表示方法将鸭、猪、猫、鸡等畜禽的疾病诊断与防治进行了集成,指导养殖户进行养殖活动。经实践验证和专家评测,具有一定的现实意义和推广价值。     

基于BP神经网络的水牛疾病诊断系统

针对传统专家系统获取知识困难自学习能力差和推理能力弱等缺点,设计并实现了基于BP神经网络的水牛疾病诊断专家系统.系统用专家以往诊断水牛疾病的病历来训练神经网络,并通过训练过的神经网络来实现疾病的诊断,然后针对诊断结果进行反向推理以确诊水牛疾病,结果表明,该系统很好地改进了传统专家系统存在的一些缺点.另外,该水牛疾病诊断系统的实现方法可推广应用到其它动物的疾病诊断系统中,为疾病诊断系统的开发提供了一条有效的新途径.     

基于模糊神经网络的畜禽疾病诊断系统的研究

文中结合模糊数学的隶属度、知识的表示、知识的获取、知识的推理、神经网络和统计方法中的最大似然估计理论建立了一个畜禽疾病诊断的医疗专家系统模型,通过把推理规则模糊数值化的值作为神经网络的权重,利用神经网络模拟计算对畜禽所患疾病作出正确的诊断.本诊断系统以指导兽医新手为目的,诊断结果的准确率达90%以上,具有较好的实际应用价值.     

基于BP神经网络的专家系统体系结构

针对传统专家系统知识获取的“瓶颈问题”,利用BP神经网络于知识获取的长处,将BP神经网络和专家系统有机的结合。阐述了BP神经网络专家系统的基本原理,给出基于BP神经网络的专家系统体系结构。     

基于模糊神经网络的畜禽疾病诊断系统的研究

文中结合模糊数学的隶属度、知识的表示、知识的获取、知识的推理、神经网络和统计方法中的最大似然估计理论建立了一个畜禽疾病诊断的医疗专家系统模型，通过把推理规则模糊数值化的值作为神经网络的权重，利用神经网络模拟计算对畜禽所患疾病作出正确的诊断。本诊断系统以指导兽医新手为目的，诊断结果的准确率达90％以上，具有较好的实际应用价值。     

基于BP神经网络的电气操作票专家系统

将神经网络理论应用于传统专家系统，提出并实现了基于BP神经网络的电气操作票专家系统，解决了传统电气操作票专家系统知识获取瓶颈问题。介绍了系统的关键实现技术。     

基于.NET的对虾病害防治专家系统的设计与实现

针对我国对虾养殖存在的问题,采用ASP.NET技术设计实现了基于B/S结构的对虾增养殖及病害防治专家系统.该系统运用多种知识表示方法将对虾养殖、疾病诊断与防治等经验性、科普性知识进行了集成表达,采用基于规则的模糊化混合推理策略,实现了对虾养殖的咨询与决策,疾病诊断与防治、专家会诊及网上学习等功能.经实践验证和专家评测,该系统界面友好,操作简单实用,维护方便等特点,具有一定的推广价值.     

装载机远程服务与故障诊断系统研究

通过分析网络化环境下装载机远程服务与故障诊断系统的特点,在此基础上提出该系统的结构,并使用BP神经网络进行装载机的故障诊断,阐述了基于BP神经网络和专家系统混合的神经网络故障诊断专家系统的基本原理。最后分析了基于EJB的装载机远程服务与故障诊断系统的软件实现方法。     

基于改进BP神经网络的某型装备故障诊断专家系统

分析神经网络和专家系统的特点．提出基于BP神经网络与专家系统结合的某型装备的故障诊断方法,构造BP神经网络的装备故障诊断专家系统的诊断模型,克服传统专家系统在知识获取和表达的薄弱环节,并用某型装备的故障实际数据进存验证,结果表明神经网络与专家系统结合是一种有效的诊断方法。     

基于神经网络专家系统的研究与实现

针对传统专家系统推理能力弱和智能水平低等不足,本文采用神经网络方法解决了传统专家系统在知识表示和知识获取等方面的问题。本文从描述传统专家系统几点不足出发,详细阐述了神经网络专家系统的基本原理和框架结构,最后选取三层BP神经网络模型,给出了钻井故障诊断系统的神经网络专家系统的实现。     

医学影像疾病诊断的残差神经网络优化算法研究进展

残差神经网络（residual neural network,ResNet）及其优化是深度学习研究的热点之一,在医学图像领域应用广泛,在肿瘤、心脑血管和神经系统疾病等重大疾病的临床诊断、分期、转移、治疗决策和靶区勾画方面取得良好效果。本文对残差神经网络的学习优化进行了总结：阐述了残差神经网络学习算法优化,从激活函数、损失函数、参数优化算法、学习衰减率、归一化和正则化技术等6方面进行总结,其中激活函数的改进方法主要有Sigmoid、tanh、ReLU、PReLU（parameteric ReLU）、随机化ReLU（randomized leaky ReLU,RReLU）、ELU（exponential linear units）、Softplus函数、NoisySoftplus函数以及Maxout共9种;损失函数主要有交叉熵损失、均方损失、欧氏距离损失、对比损失、合页损失、Softmax-Loss、L-Softmax Loss、A-Softmax Loss、L2 Softmax Loss、Cosine Loss、Center Loss和焦点损失共12种;学习率衰减总结了8种,即分段常数衰减、多项式衰减、指数衰减、反时限衰减、自然指数衰减、余弦衰减、线性余弦衰减和噪声线性余弦衰减;归一化算法有批量归一化和提出批量重归一化算法;正则化方法主要有增加输入数据、数据增强、早停法、L1正则化、L2正则化、Dropout和Dropout Connect共7种。综述了残差网络模型在医学图像疾病诊断中的应用研究,梳理了残差神经网络在肺部肿瘤、皮肤疾病、乳腺癌、大脑疾病、糖尿病和血液病等6种疾病诊断中的应用研究;对深度学习在医学图像未来发展进行了总结和展望。     

基于VGG-16卷积神经网络的海水养殖病害诊断

海水养殖生物在养殖过程中会受到各种病害的影响, 病斑特征的差异性非常适合利用图像识别技术做诊断. 基于以上需求, 本文设计了一种基于VGG-16卷积神经网络的海水养殖病害诊断模型, 并采用随机梯度下降算法、防止过拟合技术来改进模型. 实验结果显示, 本研究模型相比其他传统网络模型效果更好, 具有很高的识别精度、鲁棒性和泛化能力, 可以准确快速地进行病害诊断, 具有一定的扩展性和推广价值.     

Elman神经网络改进模型在脑膜炎诊断中的应用

为了客观地反映脑脊液（Cerebrospinal Fluid,CSF）所蕴涵的病理信息,研究CSF多变量非线性诊断指标和脑膜炎分类标准的内在联系,提出一种Elman神经网络改进模型辅助诊断脑膜炎疾病的方法。构建2层Elman神经网络改进模型网络训练和仿真的实验结构,分别把85和51例临床病例确诊数据作为训练样本和仿真数据的输入。仿真结果显示,采用Elman神经网络的改进模型应用于脑膜炎疾病的辅助诊断可以达到均方误差10-2精度。Elman神经网络改进模型针对CSF复杂数据关系辅助诊断脑膜炎疾病的智能计算是可行的。     

无线光刺激与神经传感系统

光遗传神经调控正在向闭环技术发展,针对实验动物可自由活动的需求,研发具有大范围光刺激、神经信号同步记录、无线程控等功能的无线光刺激与神经传感系统。该系统包括光刺激—电记录神经接口、刺激传感模块、无线收发模块以及上位机软件。可无线实时调节光刺激频率、幅度和占空比等参数,并同步采集神经信号。给予小鼠刺激运动皮层30Hz光刺激,小鼠运动明显增强,同时记录到刺激诱发的脑电信号。系统为光遗传技术提供多功能神经调控平台,有助于神经环路和神经疾病的长时程研究。     

Oriented grouping-constrained spectral clustering for medical imaging segmentation

Multimedia Systems - Original medical images are often inadequate for clinical diagnosis. Certain prior information can be used as an important basis for disease diagnosis and prevention. In this...     

An approach based on probabilistic neural network for diagnosis of Mesothelioma’s disease

Malignant mesothelioma (MM) is an aggressive progress tumor that results from mesotel cells and pleura usually incurs. The two important causes, in MM etiologies are known as asbestos and erionite, both mineral fibers. Environmental asbestos exposure and MM are one of the major public health problems of Turkey. In this study, two different probabilistic neural network (PNN) structures were used for MM’s disease diagnosis. The PNN results were compared with the results of the multilayer and learning vector quantization neural networks focusing on MM’s disease diagnosis and using same database. It was observed the PNN is the best classification with 96.30% accuracy obtained via 3-fold cross-validation. The MM disease dataset were prepared from a faculty of medicine’s database using new patient’s hospital reports from south east region of Turkey.     

A comparative study on thyroid disease diagnosis using neural networks

Thyroid hormones produced by the thyroid gland help regulation of the body’s metabolism. Abnormalities of thyroid function are usually related to production of too little thyroid hormone (hypothyroidism) or production of too much thyroid hormone (hyperthyroidism). Thyroid disease diagnosis via proper interpretation of the thyroid data is an important classification problem. In this study, a comparative thyroid disease diagnosis were realized by using multilayer, probabilistic, and learning vector quantization neural networks. For this purpose, thyroid disease dataset which is taken from UCI machine learning database was used.     

基于RBF网络的高炉热流分析传感器故障诊断

在炼铁高炉热流强度分析系统中要用到温度、流量等传感器,为确保热流分析系统中传感器数据的可靠性及系统的连续、稳定运行,诊断系统用径向基函数(RBF)神经网络对传感器进行故障判断。系统由上位机、温度及流量采集装置、传感器等组成,采用RBF神经网络为每一个传感器建立预测模型,网络的输入为传感器采集信号最近的n个值,输出为该传感器在n+1时刻的预测输出值。网络通过在线学习实现对传感器的在线故障监测,经仿真分析表明:用RBF神经网络构建预测模型可满足实时性的诊断要求,提高了诊断系统的诊断精度。