导读:本文包含了优选人工神经网络论文开题报告文献综述及选题提纲参考文献，主要关键词:人工智能,中医专家系统,胃食管返流病,人工神经网络
优选人工神经网络论文文献综述
Wei-Wu,WANG,Rui-Qing,NI,Fang-Yan,YU,Guo-Feng,LOU,赵彩丹[1]（2018）在《基于人工神经网络的胃食管反流病治疗方案优选及MATLAB实现（英文）》一文中研究指出目的利用人工神经网络模拟建立智能中医治疗系统,用于胃食管返流病的治疗方案优选。方法本文采用人工神经网络进行机器学习,通过系统学习古代文献对于胃食管返流病相关症状的治疗方案,对临床辨证施治过程进行模拟,并取病例模拟进行了客观的验证。结果机器处方与古文献符合度高达95%以上;结论机器学习用于中医智能处方切实可行,值得进一步深入研究。(本文来源于《Digital Chinese Medicine》期刊2018年01期）
郑凯旋,赵永峰,李文兵,李艺丹,张婷婷[2]（2017）在《Box-Behnken响应面法结合人工神经网络优选蜜炙川芎炮制工艺》一文中研究指出目的:优选蜜炙川芎炮制工艺,恢复川芎传统炮制品种。方法:在单因素实验设计基础上,以蜜炙川芎阿魏酸、藁本内酯含量为评价指标,采用Box-Behnken响应面设计实验考察加蜜量、炮制温度、炮制时间、闷润时间对蜜炙工艺的影响,并通过人工神经网络模型进一步优化炮制工艺参数。结果:优选的最佳蜜炙工艺为加蜜量25%、炮制温度160℃、炮制时间15 min、闷润时间2.5 h。结论:人工神经网络模型与Box-Behnken响应面法联用优选的工艺稳定,模型预测效果较好,具备可行性。(本文来源于《中药材》期刊2017年09期）
王彬,汤勇,勐睿,郭慧玲,王军[3]（2015）在《利用人工神经网络优选页岩气有利开发区域》一文中研究指出提出一种基于人工神经网络模型优选页岩气有利开发区域的方法。根据美国页岩气储层7种参数与盈亏平衡点(天然气售价)数据,通过网络输入气藏埋深、单层净厚度、热成熟度、有机碳含量、脆性矿物含量和孔隙度等参数,再由网络输出盈亏平衡点,利用人工神经网络建立输入数据与输出数据关系。预测样本数据误差在5%以内,满足工程设计要求,可用于优选页岩气开发区域。(本文来源于《重庆科技学院学报(自然科学版)》期刊2015年06期）
闪丽洁,张利平,刘恋,贾军伟[4]（2015）在《基于多方法优选因子和人工神经网络耦合模型的枯水期径流预报》一文中研究指出通过对比相关系数法、逐步回归法及综合方法3个预报因子筛选方案的模拟结果,确定优选预报因子的最佳方法,采用BP人工神经网络模型对大通、屏山和汉口3个站点进行枯水期(当年11月-次年4月)径流预报研究.结果显示,采用相关系数法初选及逐步回归法优选所筛选出的预报因子集合可以得到更好的预报效果;该模型在枯水期月尺度径流预报中,检验期的平均合格率为56.44%,达不到实际预报的需求.而采用旬尺度模拟计算月径流的预报效果要远远高于月尺度径流模拟,检验期平均相对误差与合格率分别为12.27%和71.63%,有较好的预报精度.可以为长江流域水文预报工作提供一定的参考.(本文来源于《武汉大学学报(工学版)》期刊2015年06期）
谢经鹏,明世祥,梁新民[5]（2015）在《基于人工神经网络的中深孔爆破参数优选》一文中研究指出为了得到合理的中深孔爆破参数,以矿岩的弹性模量、容重、抗拉强度、抗压强度、摩擦角以及黏结力作为输入因子,以炮孔的崩矿步距、孔底距以及炸药单耗为输出因子,以国内爆破工艺相类似矿山的相关数据为训练样本,建立BP神经网络模型进行爆破参数优选。以港里铁矿为工程背景,通过优选和影响因素分析,得到崩矿步距1.67 m,孔底距1.8 m,炸药单耗0.43 kg/t的爆破参数。使用后证明,比原炸药单耗(0.52 kg/t)降低了17.3%。(本文来源于《现代矿业》期刊2015年03期）
吕文玉,李维明,李维红[6]（2012）在《基于人工神经网络薄煤层采煤方法优选专家系统研究》一文中研究指出薄煤层安全高效开采是我国煤炭开采迫切需要解决的问题,而优选薄煤层采煤方法更显的尤为重要,薄煤层采煤方法的选择不仅受到地质条件的限制,而且还受到煤矿的设备水平和人为因素的影响。本文针对薄煤层采煤的特点,建立了薄煤层采煤方法选择人工神经网络专家系统,本系统中利用神经网络的改进算法"自适应学习法"训练网络,最终预测出采煤方法和工作面技术经济指标(工作面单产以及工效)。(本文来源于《中国矿业》期刊2012年04期）
刘彬,汤爱涛,潘复生,熊姝涛[7]（2011）在《基于参数优选的人工神经网络的Mg-Al-Ca系铸态合金晶粒尺寸预测模型》一文中研究指出基于全排列组合训练优选的建模参数,建立了铸态Mg-Al-Ca系合金的人工神经网络晶粒尺寸预测模型。对比传统试探法参数所建模型,该模型具有更高的平均相关系数和更低的平均误差,对检验数据的平均预测误差为6%。此外,通过模型预测了不同Al、Ca含量对Mg-Al-Ca系铸态合金晶粒尺寸的影响。结果表明,当Al含量在2.0%～3.0%、Ca含量在2.5%～3.5%时,可获得晶粒较小的Mg-Al-Ca系铸态合金,其尺寸约为150μm。预测结果和实验结果相吻合。(本文来源于《材料导报》期刊2011年18期）
周卫东,童胜宝,李罗鹏,王磊,朱建建[8]（2011）在《改进的人工神经网络优选磨料射流破岩参数》一文中研究指出磨料射流破岩及切割时涉及到许多参数,合理的参数能够明显增强磨料射流的破岩及切割效果。将人工神经网络应用于磨料射流的参数优选领域,优选出合理的破岩参数以收到最好的效果。为了方便地优选出磨料破岩的参数,在Visual Basic平台上编制了用于此类优选的软件,并利用试验数据来训练网络以优选破岩参数,同时将标准网络预测值、改进网络预测值和试验值进行对比。结果表明,用改进的人工神经网络优选破岩参数所得结果是可信的,和试验所得结果一致,其预测值和试验值也非常接近。(本文来源于《石油机械》期刊2011年02期）
杨波,张永恒,夏洪韬,杨建[9]（2010）在《应用人工神经网络模型优选心脏穿透伤急诊分类方法》一文中研究指出目的对心脏穿透伤(PCT)急救时可用的两种分类法(分型法、分期法)进行比较,优选出较为适用的急诊分类法。方法应用人工神经网络(ANN)模型,模拟急诊室医师诊断PCT的临床思维过程,将急诊室医师所用的诊断依据作为网络模型输入变量,包括患者胸部受伤部位、到达急诊室时收缩压、心率、意识等临床特征;将分型法和分期法作为输出变量,通过多层感知器神经网络(MLP)模型分析PCT患者临床特征与其分型(分期)之间的映射关系,从而优选出准确率较高的分类法。结果通过MLP建立的PCT分类模型以14→3→7叁层网络结构为最优。训练样本中,临床分型法总准确率(84.8%)与临床分期法总准确率(93.7%)比较,差异无统计学意义(P>0.05);测试样本中,临床分型法总准确率(73.9%)与临床分期法总准确率(100.0%)比较,差异有统计学意义(P<0.05);保留样本中,临床分型法总准确率(67.7%)与临床分期法总准确率(93.5%)比较,差异有统计学意义(P<0.05)。结论心脏穿透伤急救时按临床分期法指导分类、救治,判断更为简便,准确率更高,值得临床推广应用。(本文来源于《重庆医学》期刊2010年15期）
刘君,郭秋东,王银辉[10]（2007）在《利用改进的人工神经网络优选激光切割工艺参数》一文中研究指出在激光切割中,工艺参数的优化搭配直接影响切割质量。为了更好的选择出最优化的工艺参数搭配,本文利用人工神经网络分析方法,建立一个用遗传算法改进的人工神经网络模型,并在实际的应用中选出大量实际实验数据对其加以训练和验证。实验证明,该模型将遗传算法和神经网络的优点相结合,既克服了以往正交实验中存在的选出工艺参数准确度的问题,同时也克服了传统神经网络中易出现的局部最优和收敛速度较慢的问题,从而有效地解决了激光切割中各参数优化搭配的问题。(本文来源于《激光杂志》期刊2007年06期）
优选人工神经网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的:优选蜜炙川芎炮制工艺,恢复川芎传统炮制品种。方法:在单因素实验设计基础上,以蜜炙川芎阿魏酸、藁本内酯含量为评价指标,采用Box-Behnken响应面设计实验考察加蜜量、炮制温度、炮制时间、闷润时间对蜜炙工艺的影响,并通过人工神经网络模型进一步优化炮制工艺参数。结果:优选的最佳蜜炙工艺为加蜜量25%、炮制温度160℃、炮制时间15 min、闷润时间2.5 h。结论:人工神经网络模型与Box-Behnken响应面法联用优选的工艺稳定,模型预测效果较好,具备可行性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
优选人工神经网络论文参考文献
[1].Wei-Wu,WANG,Rui-Qing,NI,Fang-Yan,YU,Guo-Feng,LOU,赵彩丹.基于人工神经网络的胃食管反流病治疗方案优选及MATLAB实现（英文）[J].DigitalChineseMedicine.2018
[2].郑凯旋,赵永峰,李文兵,李艺丹,张婷婷.Box-Behnken响应面法结合人工神经网络优选蜜炙川芎炮制工艺[J].中药材.2017
[3].王彬,汤勇,勐睿,郭慧玲,王军.利用人工神经网络优选页岩气有利开发区域[J].重庆科技学院学报(自然科学版).2015
[4].闪丽洁,张利平,刘恋,贾军伟.基于多方法优选因子和人工神经网络耦合模型的枯水期径流预报[J].武汉大学学报(工学版).2015
[5].谢经鹏,明世祥,梁新民.基于人工神经网络的中深孔爆破参数优选[J].现代矿业.2015
[6].吕文玉,李维明,李维红.基于人工神经网络薄煤层采煤方法优选专家系统研究[J].中国矿业.2012
[7].刘彬,汤爱涛,潘复生,熊姝涛.基于参数优选的人工神经网络的Mg-Al-Ca系铸态合金晶粒尺寸预测模型[J].材料导报.2011
[8].周卫东,童胜宝,李罗鹏,王磊,朱建建.改进的人工神经网络优选磨料射流破岩参数[J].石油机械.2011
[9].杨波,张永恒,夏洪韬,杨建.应用人工神经网络模型优选心脏穿透伤急诊分类方法[J].重庆医学.2010
[10].刘君,郭秋东,王银辉.利用改进的人工神经网络优选激光切割工艺参数[J].激光杂志.2007