人工神经网络的起源
开篇：润墨网以专业的文秘视角，为您筛选了八篇人工神经网络的起源范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
人工神经网络的起源范文第1篇
1 用户感知评价体系概述
1.1 概念简述
用户感知是指客户对网络质量是可深入认识、感知的，良好的网络质量感知是企业核心竞争能力的直接表现。
用户感知在移动通信业务中是指用户在主观感受上对移动网络业务的使用满意程度，它反映了用户对网络和业务的感受优劣度，反映了该移动网络业务的质量与用户本身期待之间的差异。
1.2 用户感知发展现状
传统的网络优化方法主要包括基于网管指标、路测指标的网络优化。其中路测指标主要通过DT（dimension test）测试、CQT（Call Quality Test）测试获得，其特点是从终端侧收集数据，主要用于检测网络运行质量，反映测试路线上的网络情况。网络指标主要为网管KPI，获取方式是网管数据、告警数据、用户投诉数据等，该指标的特点是从网络侧收集数据，反映网络运行质量，统计不同范围的网络情况。传统用户感知模型如图1。传统用户感知模型只能够反映网络侧因素对用户体验质量的影响，片面的将网络设备状态当做用户的实际感受。
目前，移动网络技术广泛的应用于社会的各方各面，人们对移动业务质量也提出了更高的要求。现在的网络优化已经由过去的单纯优化网络性能，改变成优化用户的感知满意度。因此提出改进型的用户感知模型如图2。
2 用户感知模型的指标筛选
影响语音业务用户感知的相关指标比较多，但是并非每一个指标对用户体验质量都有着绝对的影响。为了建立科学客观的指标体系，本文采用最小距离聚类算法去除相关性较强的指标，并结合实际情况筛选出适合的语音业务用户感知的评价指标。
聚类法是研究多要素事物分类问题的数量方法。基本原理是根据样本自身的属性，用数学方法按照某种相似性或差异性指标，定量地确定样本之间的亲疏关系，并按这种亲疏关系程度对样本进行聚类筛选。
重复进行以上步骤可以得到最小距离聚类谱系图，如图3。
通过最小距离聚类谱系图可以筛选出六项评价指标：平均呼叫时长G1、切换成功率G8、呼叫建立时长G9、业务信道分配成功率G4、寻呼成功率G6、掉话率G3。
3 利用模糊神经网络建立评价模型
人工神经网络起源于模拟人脑神经元的工作方式。人工神经网络是由大量的简单基本元件——神经元相互联接而成的自适应非线性动态系统。每个神经元的结构和功能比较简单，但大量神经元组合产生的系统行为却非常复杂。人工神经网络具有很强的自适应与自组织特性以及泛化能力、非线性映射能力、高度并行性。
根据人工神经网络的特点，可以利用其建立用户感知评价模型，从用户角度分析所提供的服务的满意程度，为之后的网络优化提供支持。
T-S模糊神经网络分为输入层、模糊化层、模糊规则计算曾和输出层等四层。输入层与输入向量连接，节点数与输入向量的维数相同。
利用模糊神经网络建立语音业务用户感知体系KPI-QOE的映射模型，通过大量数据样本对模型进行训练自动调整权值使得模型的性能及误差等符合要求。建立用户感知模糊神经网络模型流程如图4。
4 结语
我国通信领域正在进行日新月异的变化，而传统的无线网络优化技术已经难以满足当前技术革新的步伐。落后的用户感知评估体系滞后了用户体验对网络质量的直接影响，使得传统的QoE体系不能完全真实的反映用户感知，常常会出现网络的KPI情况很好，但是从用户的真实感受来看，网络的质量却不如人意。因此，改进用户体验评价体系是当务之急。一套合理有效的用户感知评价体系将成为企业改善服务质量，提升用户满意度，培养用户忠诚度的必然之选。
参考文献
[1]林闯，胡杰，孔祥震.用户体验质量（QOE）的模型与评价方法综述[J].计算机学报，2012（35）.
[2]冯国玲，徐旭东.用户感知评估体系的设计与实现[J].河北工业科技，2009（3）.
[3]李荣.浅析移动通信中的用户感知[J].电信快报，2008（5）.
人工神经网络的起源范文第2篇
【关键词】 数据挖掘 信用风险 决策树 支持向量机
一、引言
我国上市公司是整个国民经济整体的一个有机组成部分,甚至可以说是整个国民经济的核心所在。至2008年底,沪深两市的股票总市值在缩水62.9%的情况下仍达到12.13万亿,占GDP的48.6%。从这些数据可以看出,上市公司在我国经济中占有主体地位,因此,上市公司的优劣存亡将关系到整个国民经济的发展。然而,我国上市公司所积累的信用风险已经非常巨大,在深交所的诚信档案里仅主板市场就列出了20页的违规通报批评和处分决定。就国有企业而言,信用危机依然存在,突出的表现就是恶意拖欠逃债现象。企业信用风险状况直接关系到我国金融市场的健康发展和国民经济的持续稳定。可见,对上市公司信用风险的管理是非常必要和迫在眉睫的,而上市公司信用风险评估模型的建立是防范信用风险的重要手段。因此,研究上市公司信用风险评估这一课题,已经成为我国目前经济生活中亟待解决的一个重要问题。
目前许多定量技术和支持工具、软件已付诸商业应用,继传统的比例分析之后,统计方法得到了广泛的应用,如判别分析和Logistic回归等。信用等级评估是通过对企业或个人的某些单一财务指标进行加权平均确定的,该方法最大的缺陷在于指标和加权值的确定带有很大的主观性,使得评估结果和实际状况有很大的出入。因此,需要引入科学方法来确定有效评估指标,并建立准确的定量模型来解决信用等级评估的问题。近年来,信息技术得到了迅速发展,如数据挖掘技术等能从海量数据中智能发现有用的规则和知识,再加上我国上市公司信息披露制度的不断完善,使得我们的研究能够得到的数据资料也不断的增多,这些有利条件的出现使得我们对基于数据挖掘的上市公司信用风险评估模型的研究有了数据基础和技术基础。
二、基于数据挖掘的信用风险评估模型比较综述
1、决策树
决策树方法于20世纪60年代起源于对概念学习建模;20世纪70年代后期Quinlan发明用信息增益作为启发策略的ID3算法,从样本中学习构造专家系统;1993年Quinlan在ID3算法基础上研究出了改进的决策树归纳包(C4.5),这是目前被普遍采用的数据分类方法。其思想是一个类似于流程图的树结构,其中每个内部结点表示在一个属性熵的测试,每个分支代表一个测试输出,而每个树叶节点代表类或类分布。决策树通过把实例从根节点排列到某个叶子节点来分类实例,叶子节点即为实例所属的分类,树上每个节点说明了对实例的某个属性的测试,节点的每个后继分支对应于该属性的一个可能值。决策树分类模型之所以被广泛应用于信用风险评估,主要是因为决策树具有以下优点:(1)与神经网络或贝叶斯分类等其他分类模型相比,决策树的分类原理简单易懂,很容易被使用人员理解和接受。在决策树分类过程中,一般不需要人为设定参数,更适合于知识发现的要求;(2)决策树的学习算法具有建立速度快、计算量相对不是很大、可以处理连续值和离散值属性;(3)决策树能使用信息原理对大量样本的属性进行信息量分析,计算各属性的信息量,找出反映类别的重要属性(可以清晰的显示哪些属性对分类比较重要);(4)决策树分类方法与其他分类模型相比,易于生成可理解的规则。决策树方法对记录数越大的数据库,它的效果越明显,这就是它显著的优点。
研究表明,一般情况下,树越小则树的预测能力越强。要构造尽可能小的决策树,关键在于选择恰当属性。而属性选择依赖于各种对例子子集的不纯度度量方法。其中,基于数据挖掘中决策树C4.5算法的分析框架建立的上市公司信用风险评估模型,对数据分布无任何要求,应用于上市公司信用风险评估的效果比较好,因此具有良好的发展前景,值得我们深入研究。
2、神经网络
BP网是面向映射变换的神经网络中应用最广泛的一种,其结构如图1所示。典型的BP网有三个层次:输入层、隐含层和输出层,相邻层次神经元间采用全互连形式,同层神经元间则不相连。其思路是:当给网络提供一个输入模式时,该模式由输入层传到隐含,经隐含层神经元作用函数处理后传送到输出层,再经由输出层神经元作用函数处理后产生一个输出模式。如果输出模式与期望的输出模式有误差,就从输出层反向将误差逐层传送到输入层,把误差“分摊”给各神经元并修改连接权,使网络实现从输入模式到输出模式的正确映射。对于一组训练模式,可以逐个用训练模式作为输入,反复进行误差检测和反向传播过程,直到不出现误差为止。这时,BP网完成了学习阶段,具备所需的模式分类(识别)能力。
20世纪80年代末,西方发达国家将人工智能引入银行业,协助银行进行贷款决策,这其中,尤其以人工神经网络最为突出,其在企业财务分析中显示了巨大的优势和潜力。而在我国,无论是用统计方法还是用神经网络技术来研究信用风险,目前都尚处于起步阶段。王春峰等(1999)用神经网络技术进行商业银行信用风险评估;郝丽萍等(2001)研究了商业银行信贷风险分析的人工神经网络模型;柳炳祥、盛昭翰(2003)利用粗神经网络对企业财务危机进行了分析;庞素琳等(2003)利用BP算法对我国某商业银行2001年120家贷款企业进行3类模式(“信用好”、“信用一般”、“信用差”)分类,分类准确率达到83.34%;张德栋、张强(2004)建立了基于BP神经网络的企业信用3层神经网络评估模型,实验结果证明,该模型用于企业信用评估,减少了企业信用评估传统的定性方法中权重确定的人为因素,评估正确率达到了92.12%;王凯、黄世祥(2007)建立起基于BP神经网络的行业间信用评估模型,并代入2003年度全国农业和工业的部分行业数据进行实证。
神经网络由于其自身优势已经在各个领域得到了广泛的应用,近几年来,经济学和管理学方面的学者将其运用到经济领域,特别是在信用风险评估方面取得了很好的成效。尤其BP神经网络在商业银行信用风险评估上应用的可行性,其优点主要体现在:(1)BP神经网络模型具有高速信息处理能力。信用风险评价是一个非常复杂的系统,简单的信用风险打分模型不能很好地表述这种关系,同时结果与实际也有较大的差别。而神经网络是由大量的神经元广泛互连而成的系统,并行处理能力很强,得到的模型能对实际作出很好的预测。(2)BP神经网络模型具有很强的不确定性信息处理能力。由于神经网络中神经元个数众多以及整个网络存储信息容量巨大,使得它具有很强的对不确定性信息的处理能力。而信用风险本身就有一种不确定性,信用风险评价指标体系涉及指标众多,这些变量本身就具有一种动态性和不稳定性。运用BP神经网络模型进行预测可以很好地解决这种不确定性。(3)BP神经网络模型是一个具有高度非线性的系统。神经网络同现行的计算机不同,它是一种非线性的处理单元,因此神经网络是一种具有高度非线性的系统。在信用风险评估运用上,它突破了传统信用风险评估方法以线性处理为基础的局限性,能更有效、更精确地处理复杂信息。但是,神经网络也存在明显的不足。首先,当神经网络的输入维数高时,隐含规则呈几何级数增加,致使网络结构庞大,同时神经网络学习速率固定,存在局部最小点问题,因此网络收敛速度慢,需要很长的训练时间,甚至可能发生网络瘫痪;其次,网络结构复杂,导致网络的输入节点单元数、隐含层数的确定缺乏理论依据。尽管存在一些遗憾,神经网络方法作为一门崭新的信息处理科学方法仍然吸引着众多领域的研究者。
3、支持向量机
支持向量机(Support Vector Machine,SVM)是根据统计学习理论得出的一种新的机器学习算法,它用结构风险最小化原则替代经验风险最小化原则,较好地解决了小样本学习问题,是一种通用的前馈网络类型。支持向量机的实现是通过某种事先选择的非线性映射(核函数)将输入向量映射到一个高维特征空间,在这个空间中构造最优分类超平面。使用SVM进行数据集分类工作的过程首先是通过预先选定的一些非线性映射将输入空间映射到高维特征空间,它使得在高维属性空间中有可能对训练数据实现超平面的分割,避免了在原输入空间中进行非线性曲面分割计算。SVM数据集形成的分类函数具有这样的性质:它是一组以支持向量为参数的非线性函数的线性组合,因此分类函数的表达式仅和支持向量的数量有关,而独立于空间的维度。
随着机器学习理论的不断发展,支持向量机作为一种专门针对小样本学习的算法被引入到了信用风险评估中。在我国,张秋水、罗林开等(2006)通过SVM与传统的多元线性回归(Multi Linear Regression,MLR)和Logit分析(Logit Analysis,LA)的实证对比和模型分析,得出SVM在20组测试样本集上的平均误判率是最低的,显著优于MLR,也优于LA。吴冲等(2009)建立了基于模糊积分的支持向量机集成方法,该方法综合考虑了子支持向量机的输出重要性并与单个支持向量机和最多投票原则的支持向量机集成进行比较,实证结果表明,该方法具有更高的分类精度。与BP神经网络相比,SVM方法的优缺点是:(1)模型的准确率。SVM是通过解一个凸二次规划来得出结果的,因此找到的解是全局最优解,且精度高,利用支持向量机进行上市公司信用风险评估,根据有限的训练样本,建立了非线性映射关系,解决了维数问题,这种算法具有简单、准确率高的优点,很适合推广。(2)泛化能力。SVM通过结构风险最小化原则实现了经验风险和置信范围的良好折衷,避免了过拟合现象,而人工神经网络是基于经验风险最小化原理。(3)模型的适用性。SVM方法通过对不同的核函数和参数的选择,可以优化评估结果,不同的核函数可以满足不同的需求,模型的适用范围更广。(4)对数据要求。SVM可以避免小样本和“维数灾难”问题,对有限数量和维数较高的样本评估精度较高;而BP神经网络模型由于数据较少,易产生过拟合现象,因而使用范围受限制。(5)核函数也需要人为的确定,尚未有理论证明决定应选择的核函数。
三、结束语
随着信息技术的发展,数据挖掘方法被广泛应用于金融、经济领域,在信用风险方面也受到越来越多的重视。在我国,对上市企业的信用风险评估还是一个很具有挑战性的领域,不仅体现在其信用风险变化的复杂性,还在于评估所面临的巨大工作量。上市企业的信用状况是构成整个社会体系不可缺少的重要部分,因此,解决其信用风险评估问题的首要任务是要建立简单可操作的模型,并充分发挥计算机处理信息等的优势作用。
(注:本文系华东交通大学校立科研基金资助课题《基于数据挖掘的上市公司信用风险评估模型研究》的部分研究成果,课题编号:09GD02。)
【参考文献】
[1] Qualian JR,C4.5: Programs for Machine Learning [J],San Mateo, CA:Morgan Kaufmann Publishers,1993.
[2] Virongrong Tesprasit,Paisarn Charoenpornsawat ,Virach Sornlertlamvanich,A Context-Sensitive Homograph Disambiguation in Thai Text-to-Speech Synthesis,Proceedings ofHuman Language Technology Conference,2003.
[3] 周松林、吴铭:沪深两市总市值全年缩水62.9%[J].金融界,2009(1).
[4] 王春峰、万海晖、张维:基于神经网络技术的商业银行信用风险评估[J].系统工程理论与实践,1999(9).
[5] 郝丽萍、胡欣悦、李丽:商业银行信贷风险分析的人工神经网络模型研究[J].系统工程理论与实践,2001(5).
[6] 柳炳祥、盛昭翰:基于粗神经网络的企业危机预警系统设计[J].信息与控制,2003(1).
[7] 庞素琳、王燕鸣、黎荣舟:基于BP算法的信用风险评价模型研究[J].数学的实践与认识,2003(8).
[8] 张德栋、张强,基于神经网络的企业信用评估模型[J].北京理工大学学报,2004(11).
[9] 王凯、黄世祥:基于BP神经网络的行业间中小企业信用评估模型及应用[J].数学的实践与认识,2007(24).
人工神经网络的起源范文第3篇
关键词：声发射；压力容器；光纤光栅传感器
中图分类号：TB
文献标识码：A
doi：10.19311/ki.16723198.2016.25.091
0引言
声发射（Acoustic emission，AE），是在材料受外力或者内力作用发生变形或断裂，以弹性波释放出应力-应变的一种常见的物理现象。声发射技术是借助于声发射检测系统对声信号进行记录、分析，并以此推断声发射源性质的技术，已经广泛应用于各种结构或材料的稳定性评价。
1声发射技术的原理及应用
声发射检测技术的基本原理如图1所示：通过声发射源释放出的弹性波，经介质传播到达被检体表面，声发射传感器将携带的缺陷信息由弹性波转变为电信号，再经放大、处理，记录和显示获得的信号波形，分析评定材料特征参数或内部结构的缺陷情况。
声发射检测技术在我国压力容器检测中成功的推广和应用的具体原因在于：一方面在不损伤构件的条件下在线监测缺陷动态信息，及时提供构件的疲劳与损伤程度，确保了这些压力容器的安全运行；另一方面，声发射检测技术可以用于复杂环境中的检测，对被测构件几何形状尺寸不敏感，对构件的线性缺陷较为敏感，可以提供缺陷随着载荷、时间、温度等变量变化的实施连续信息，大大缩短了压力容器的检验周期。
声发射技术广泛应用在国防和国民经济的各领域，汪鼎对氨制冷设备中检测问题的研究，采用声发射技术可以正确检验氨制冷设备、对氨制冷容器进行在线检验，保障制冷设备的正常运行提供了可靠的依据；张宏把声发射技术用于锅炉泄露的实时监测问题，利用声发射泄漏检测技术定位缺陷部位，进行监测泄漏；M.B. Bakirov等人对核电站设备高级别金属老龄化进行检测和诊断。总之，随着新一代全数字化声发射仪器和功能强大的信号处理软件的问世，以及人们对声发射检测技术更深层次的认识，声发射技术在未来将经历一个新的更高层次发展的阶段。下面对声发射检测技术的每个环节进行简单的介绍。
2声发射源
声发射源，具体是指声发射试件的物理源点或者出现声发射波的机制源。研究声发射的微观起源有助于人们决定产生声发射的可能性，并以此去检测声发射的参数以区别它们。
构件因在外力的作用下产生变形，在变形的过程中外力所做的功转变为储存于构件的应变能，其在释放的过程中产生弹性波是材料产生声发射的源；另外，构件内部各部分之间因相对位置发生变化而引起的相互作用时产生塑性变形也会导致声发射。例如，压力容器碰撞外部脚手架、支撑平台等可以形成机械摩擦声发射信号；此外，容器壳体利用焊缝焊接，在加压过程中，壳体膨胀造成各部分的摩擦以及压力容器焊缝表面裂纹与内部深埋裂纹的尖端塑性形变极有可能形成大规模的声发射信号；气孔、夹渣、未熔合与未焊透问题导致的开裂和扩展以及断裂非金属渣物出现在压力容器焊缝内进而形成了声发射信号；针对新制压力容器第一次加压或者正在使用的压力容器，焊缝修理位置容易产生焊接残余应力进而形成声发射信号。
3声发射传感器
声发射检测中的传感器属于接收换能器，它的作用是将材料塑性变形或裂纹产生的弹性波转换成易于检测、处理的电信号传输给测试系统，以便得到声发射源的实时信息。灵敏度与工作频率是传感器最重要的两大性能指标，要根据所测材料的声发射频率选择灵敏度高的传感器，争取接收到声发射发生过程中产生的所有声发射信号。目前广泛采用的声发射传感器主要有压电式和电容式。
压电式声发射传感器如图2所示，主要由壳体、压电元件、阻尼剂、保护膜和电缆组成，最常见的压电元件为陶瓷晶体，压电陶瓷晶体本身阻抗低、波形稳定、介电损耗低，做成的压电陶瓷传感器可以精确完成对力、振动、加速度、速度等非电量的测量。但是压电式传感器也存在工作频率较窄、不能接触腐烛环境、易受电磁干扰等缺点。
电容式声发射传感器如图3所示。声发射检测中，将被测构件表面作为电容器A一块极板，当声发射波传至电容器时，构件相应表面的振动位移变化导致电容器的电容发生变化，电容器将有相应于声波频率的交变信号输出。电容式声发射传感器有较高灵敏度强、适应性强、精度高，缺点是价格比较高，操作比较复杂，灵敏度低。
伴随着光纤光栅传感技术的迅速发展，基于光纤光栅传感原理的声发射传感器是最近研究较多的新型传感器之一。如图4所示，光纤光栅传感器是借助某种装置把被参量的变化转换为作用于光纤光栅上的应变与温度的变化，引起谐振波长的变化，光纤布拉格光栅的谐振方程可表示为：
λB=2n・Λ
其中λB为光纤光栅的波长；n为有效折射率；Λ为光栅周期。
可见，波长取决于光栅周期和纤芯膜的有效折射率，而引起这两个参量改变的常见原因是温度和应变。当光栅受到拉伸或者挤压时，光栅的周期也会随之改变，纤芯膜的有效折射率也会发生相应的改变；而材料本身会热胀冷缩，温度的变化在任何情况下都难以避免，温度的变化便引起周期和有效折射率的变化，因此，无论应变还是温度发生变化，光栅的周期或纤芯折射率将发生变化，从而引起反射光的波长发生变化，通过测量变化前后反射光波长的变化，就可以获得待测物理量的变化情况。
如图5所示，利用光纤光栅传感器检测化压力容器的声发射信号，并对测量信号进行理论建模和仿真分析处理；同时根据检测参数的信号解调，对声发射条件下的试验研究、检测模型进行分析，根据得到不同的结果调整参数改进检测模型，多次进行实验研究，总结相关规律得出相应的结论，最终实现压力容器裂纹有无和程度的检测。
光纤光栅传感器具有本质安全、稳定性好、环境适应性强、抗电磁干扰、可以在一根光纤上布置多个光栅实现多点多参数测量，以及尺寸小、重量轻、体积小，易于实现嵌入安装等特点，非常适合对处在恶劣环境中构件进行长期实时在线安全监测。杨斌、段鹏基于电阻应变法和光纤光栅传感技术，开展了针对水电站压力钢管运行全过程的应变形变特点的比对试验研究，有利于水电站坝内压力钢管明管段等潮湿腐蚀环境下的长期健康性能监测；刘丰年、李娜提出利用光纤光栅传感技术对管道腐蚀进行实时在线监测，通过试验和建模分析验证了可行性；Roberts，Damon等也提出利用光纤在立管，油管完整性监测。但是光纤光栅传感器在传感信号的解调、可复用光栅的数目受到限制、如何实现大范围且快速准确实时测量、如何正确地分辨光栅波长变化的原因等问题都有待发展。
4信号放大、分析、处理
目前，小波分析和人工神经网络等新型的信息处理技术，已经发展成为当代科学技术发展的重要组成部分。因此如何结合声发射信号的特点，将这些新型信息处理技术引入声发射信号处理领域，充分利用这些信号处理手段，研究具有更高性能的声发射信号处理系统和更有效的声发射源识别方法，对于提高声发射源定性、定量和定位的精确程度，加快我国声发射技术的研究和声发射仪器性能的提升，具有重要理论意义和实际应用价值。
4.1小波分析
小波分析可以描述某一频谱信息对应的时域信息，在声发射信号去噪、特征提取、声发射源的定位和识别研究中被广泛采用，由于声发射信号与噪声在小波变换下的行为各不相同，二者可以被分离出来，并利用这种方法对声发射信号进行有效的信噪分离，得到人们真正感兴趣的声发射信号。张万岭等通过结合不同的探头、改造标准试块，检测出厚壁压力容器的缺陷，并总结出探头的适用厚度范围；张海燕、郭建平等将小波包去噪法成功应用于超声波缺陷信号的降噪处理，降噪效果良好；Fairouz Bettayeb等成功将小波包分析法应用于超声检测中干扰信号的处理，同时解决了压力容器缺陷的精确定位问题；Fedi、Bacchelli对多小波降噪进行了具体研究，并取得了不错的效果。但是，由于声发射检测技术是一门实用性技术，现有的很多声发射小波分析研究仍处于初级阶段，诸如小波谱、小波相干性等新方法、新技术，因此把小波分析引入到声发射检测工程中，解决实际工程问题需要进行更深层次的研究。
4.2人工神经网络
人工神经网络具有自主学习的能力、联想存储的能力、高速寻找并且寻找优化方式的能力。作为一门活跃的边缘叉学科，神经网络的研究与应用正成为人工智能、认识科学、神经生理学、非线性动力学等相关专业的热点。近十几年来，针对神经网络的学术研究非常活跃，黄新民把神经网络技术用到声发射源定位当中，准确地推断出结构损伤位置，且精度有较大的提高；阮羚、谢齐家等提出了一种基于人工神经网络和信息融合技术的变压器状态评估方法，提高变压器状态评估的时效性和准确性。在对人工神经网络进行优化的研究中，首当其冲的问题就是要寻找一个合适的优化算法解决最优化问题，人门面提出上百种的神经网络模型，涉及模式识别、联想记忆、信号处理、自动控制、组合优化、故障诊断及计算机视觉等众多方面，取得了引人注目的进展。但是，人工神经网络的适用范围有限，难于精确分析神经网络的各项性能指标；是对数字计算机的补充，不能保证绝对的准确性；结构单一，体系不够简洁，通用性差等缺点。
5结论
声发射技术作为一种新型动态监测方法，在无损检测技术中占有重要地位，虽然经过多年的发展，已经有了比较成型的理论系统，并且在一些工程检测中得到了较为有效的应用，但声发射技术在实际工程检测中仍存在着许多不足之处有待完善。寻求探索新的更完善、更有效的信号处理方法可有力的推动声发射检测技术的发展与进步，而将光纤光栅传感器技术与信息融合技术、嵌入式技术、故障诊断技术和可靠性技术、网络技术等学科结合起来，提出声发射-光纤光栅分布传感损伤检测的新方法，基于创建的嵌入式动态监测方法，建立适于大型动力装置状态监测与故障诊断的理论与技术，开展声发射条件下的损伤分布动态检测原理和方法的研究，具有鲜明的特色和创新，必将得到广泛的应用。
参考文献
[1]李孟源，尚振东等.声发射检测及信号处理[M].北京：科学出版社，2010.
[2]Naoya Kasai，Kentaro Utatsu.Correlation between corrosion rate and AE signal in an acidic environment for mild steel[J].Corros Sci，2009，51（8）：1679.
[3]Carpinteri Ai，Lacidogna G，Pugno N.Structural damage diagnosis and life-time assessment by acoustic emission monito―ring[J].Eng Fract Mechanics，2007，（74）：273.
[4]许中林，李国禄，董天顺等.声发射信号分析与处理方法研究进展[J].材料导报A：综述篇，2014，28（5）：5659.
[5]胡新东，廖旭东，张宇等.压力容器声发射检测技术概述[J].中国材料科技与设备：材料综述，2011，（4）：2627.
[6]汪鼎.声发射检测技术在氨制冷容器中的应用[J].化工管理，2016：123124.
[7]张宏.声发射技术在锅炉泄漏检测中的应用[J].科技与力量：质量管理，2016：189.
[8]M.B. Bakirov，V.P.Povarov，A.F.Gromov，V.I.Levchuk[J].Nuclear Energy and Technology，2015，1（1）：27.
[9]耿雪峰.压力容器声发射检测技术论述[J].工艺设计改造及检测检修，2015，（3）：5052.
[10]马广春，曹玉强.光纤光栅声发射传感系统[D].济南：山东大学，2012.
[11]张白莉.电容式传感器的应用和发展[J].忻州师范学院学报，2005，21（2）：2426.
[12]杨斌，段鹏.光纤光栅传感技术在水电站压力钢管应变监测中的应用研究[J].水电与抽水蓄能，2015，1（2）：7981.
[13]李娜，刘丰年.光纤光栅传感技术及其在油气管道腐蚀监测的应用研究[D].长沙：湖南工业大学，2012.
[14]阮羚等.人工神经网络和信息融合技术在变压器状态评估中的应用[J].高电压技术，2014，40（3）：822828.
[15]张万岭，祁永刚等.压力容器对接焊缝超声波检测[J].煤矿机械，2013，34（2）：241243.
[16]郭奇，陈小哲.超声波技术在压力容器焊缝检测中应用试验研究[D].秦皇岛：燕山大学，2015.
[17]张海燕，周全等.超声缺陷回波信号的小波包降噪及特征提取[J].仪器仪表学报，2006，27（1）：9497.
[18]徐火力.智能超声检测技术在三类压力容器中的应用[J].中国特种设备安全：无损检测，2013，29（9）：4649.
[19]Fairouz Bettayeb.Improving the time resolution and signal noise ratio of ultrasonic testing of welds by the wavelet packet[J].NDT&E International，2005，38（6）：478484.
[20]Fedi M.Localized denoising filtering using the wavelet transform[J].Pure and Applied Geophysics，2000，157（9）：14631469.
人工神经网络的起源范文第4篇
关键词：JIT；供应商评价；信息化
中图分类号：F274 文献标识码：A 文章编号：1007-9599 (2011) 22-0000-02
Suppliers Evaluate Study of Vehicle Manufacturing Process of Enterprise Informatization Under JIT Environment
Zhou Wei1,Chen Honglei2
(1.Southwest Jiaotong University,Chengdu 610031,China;2.Xidian University,Xi'an 710126,China)
Abstract:By analyzing in-time production vehicle manufacturing enterprises under development,find manufacturers,suppliers,the assessment and evaluation of information technology has become the most important research direction at this stage.Proposed JIT supplier evaluation model and algorithm.
Keywords:JIT;Supplier evaluation;Informatization
引言：准时制生产（Just In Time，简称JIT）起源于日本的丰田生产方式。JIT的核心目标是尽可能地降低库存，实现企业的零库存运行，减少资金占用，降低库存成本，提高企业的核心竞争力。
在日益激烈的竞争环境下，为了缩短新产品开发周期，提高自身产品研发能力，我国各大整车企业迫切需要形成一套整合顺畅的供应商评价与选择体系，保证为其提供有竞争力的产品，从而使其活跃于市场。因此，如何科学地评价与选择供应商，形成良好的互动共赢模式，是企业亟待加以研究解决的问题。
一、JIT生产方式下整车制造企业信息化发展历程
以上海某整车制造企业信息化发展为例，中国JIT生产方式下整车制造企业信息化发展历程主要分为三个阶段。
第一阶段是单机操作阶段。通常都是公司内部信息化部门自行开发的基于单机运行的信息管理软件，支持库存收发等基本的管理功能，有效提高了工作效率和库存准确率。
第二阶段是网络化信息管理的初步阶段。该阶段实现了制造商与供应商之间的信息共享，通过对业务流程关键环节（包括采购订单创建及确认，入库确认，库存监控直至生产配送等）的整合，实现了业务处理的网络化、流程化，初步实现了具有JIT特色的供货拉动模式。
第三阶段是网络化信息管理的发展阶段。该阶段进一步将制造商与供应商紧密结合，实现信息化的看板管理，供货拉动模式趋于成熟。研究内容开始转向采购物流环节的评价考核及预测。
我们从上述发展历程不难看出，JIT生产方式下的制造业信息化建设的现阶段重点是评价考核和数据分析功能的研究实现。据统计，通过降低采购成本来增加利润比增加销售额更为有效[1]。可以看出零部件供应商作为汽车供应链的源头，在采购体系中处于非常重要的地位。因此，供应商评价考核是信息化现阶段最重要的问题。
二、JIT生产方式下的采购模式决定供应商评价模式
JIT生产方式是一种拉动式生产管理模式，主要特点就是采用看板管理的形式，实现在必要时间生产必要数量的必要产品，从而实现库存尽量小并最终达到无库存的终极目标。这就决定了JIT采购模式与传统采购模式具有很大的不同。
准时制生产方式“在必要时间生产必要数量的必要产品”的特点决定了企业对供应商的能力有更高的要求。制造商根据顾客的订单需求制定生产计划，并向供应商提出生产需求，严格规定需求的数量和时间，供应商根据制造商的订单需求及时生产制造零部件并按时提供给供应商，上一工序与下一工序在生产时间、数量上都达到刚好正好的要求，这样才能大大降低整车制造企业的时间成本和库存成本，大大提高生产效率和效益。这样就对供应商的按时交货能力、保证产品质量能力、对订单的快速反应能力产生更高的要求。如此JIT生产方式下的制造商对供应商的评价和选择标准也与传统生产模式有很大不同。
三、在JIT环境下的供应商的评价指标体系与评价方法
在JIT环境下的供应商的评价指标体系中，除了要考虑产品质量和交货期以外，供应商潜在的创新和开发能力在供应商评价时应该放在重要的位置[2]，其次还有产品价格、供应商服务能力等指标。评价指标可以细分为一级指标、二级指标，甚至三级指标。
一级指标 二级指标
生产技术与能力 新产品开发能力
自主生产能力
生产反应能力
生产规模
产品质量 产品合格率
可靠性故障情况
质量保障体系
交货能力 按时交货能力
价格成本 产品价格
采购成本
服务能力 合作态度
供应商名声
市场占有率
表1：JIT环境下汽车零部件供应商评价指标体系
建立评价指标体系后，选择合适的评价方法。人工神经网络分析法是将定性指标与定量指标相结合的评价选择方法，这种方法可以很好地解决评价指标难以准确量化和统计的问题。将层析分析法与人工神经网络分析法结合使用可以排除人为因素带来的影响，使评价结果更加客观准确。
依据层次分析法原理，对专家进行问卷调查，计算出各指标的单层权重，并把所有问卷的权重数据进行几何加权平均计算。如上指标体系，一级指标共5个，二级指标13个，每份问卷（共M份问卷）的权重向量为wl=（wl1，wl2，…，wln）T，l=1，2，…，M。则某层i指标（共N个指标）的几何加权平均值为：
i=1，2，…，n
规范化后即得i指标对于所在层的综合权重（假设所在层共n个指标）：
i=1，2，…，n
综合权重向量w=（wl，w2，…，wn）T.
对于一级指标，它们的综合权重向量就是对于目标层（供应商评价）的权重系数，对于二级指标，就是其单层权重相对一级指标的权重。由此得出了初始的指标综合权重。
BP算法是基于人工神经网络分析法的算法，特点是能够自学习，图1为神经网络中的一个基本信息处理单元。
图1
Yj表示神经元的输入，它们是其它神经元的输出，Wij表示神经元之间的联接强度即权重，θi表示其阀值．Yi表示Xi经过F（x）激发函数处理后的输出值，它可以作为其它神经元的输入。神经元的这种输入输出关系可表示为：
BP算法模型即为三层这样的神经元组成，Yi即为供应商的各指标评价对一个神经元的输入，经过很多样本的反复训练，对各初始指标权重进行进一步合理化，最终使算法结果达到最优最合理。
小结：将层次分析法与BP算法相结合，可以有效提高BP算法的训练速度，避免局部极小点问题，最终达到排除评价过程中人为因素的影响得到更加客观准确结果的目的。
参考文献：
[1]梁婷.汽车零部件供应商评价方法研究[J].武汉理工大学,2009
人工神经网络的起源范文第5篇
【关键词】智能建筑 人工智能 智能控制 技术
智能建筑于20世纪80年代起源于美国，主要依靠智能控制技术、计算机技术、集成技术以及信息技术等实现各种不同功能。智能建筑是由多种高、新科学技术综合产生的。人们通过建筑智能系统尽情享受个性化、舒适化、节能环保，符合现代绿色建筑要求的生活与工作环境。
一、智能建筑研究现状
智能建筑自20世纪80年代初出现在美国，随着信息技术发展，在全世界范围内得到了极大发展。智能建筑相对于其他的普通建筑而言，其特征主要是安全、便捷、高效、舒适。随着建筑智能化系统技术的快速发展，智能建筑工程规模越来越大，智能建筑已逐渐引人关注与研究。根据智能建筑设计标准，其主要结构包括信息系统、设备管理系统以及安全系统，复杂的智能建筑可根据具体需求设计特点的功能模块。
智能建筑是伴随着计算机科学技术兴起的，以计算机技术与信息技术为基础，并与建筑施工技术、控制技术息息相关。该技术的发展对智能建筑具有直接影响。智能建筑发展一般划分如下几个阶段：
（1）第一阶段，开始于20世纪80年底，该时期以单功能系统的研发为主流产品。随着智能控制技术在智能建筑设备的应用，逐步研发出了各种研发产品，其中最具有代表性的是闭路电视监控、火灾自动报警、空调设备监控等系统。该系统结构简单，且可通用、可互换，只需调整控制参数。
（2）第二阶段，开始于20世纪90年代，以多功能系统为代表。随着信息技术、微电子技术的发展，以ASC为代表的微控制器研发成功并得到广泛推广。ASC可根据具体要求进行定制。ASC的通信功能实现了各专用控制器间的信息共享和管理功能，如综合保安系统、建筑设备设备自控系统、有线电视、火灾自动报警与控制系统等。
（3）第三阶段，20世纪90年代末期出现的集成系统。随着互联网的快速兴起，通信协议由专有型逐步转向开放型。
（4）第四阶段，21世纪的集成管理智能化系统、计算及网络系技术，智能控制系统依托互联网，实现了智能建筑的系统化、集成化与独立运行和管理。智能建筑实现了基于虚拟现实与多媒体技术的人机接口和融合处理。
二、智能控制技术在智能建筑中的应用
（1）知识库专家系统和知识工程是智能领域的重大研究成果，专家系统管控着整个系统正常运行，专家系统是在所需控制对象和规律的基础上研发的。该系统，具有丰富的专业知识和经验水平，能解决专业问题。根据一个或多个专家提供的特殊领域知识、经验进行推理，综合模拟专家的决策来解决复杂的问题。引入基于控制专家的专业知识和实践经验的专家控制系统。采用知识表达技术，建立模型知识库，利用逻辑推理法则，制订系统的控制决策。为智能建筑的自动化提供了最优控制决策支持。专家控制系统改变了传统依托数学模型的控制系统设计的局限性，使数学模型与知识模型相融合，知识信息处理技术与控制技术相结合。专家系统现在广泛应用于物业管理、自动缴费业务与智能支持等领域，在社会上评价均很高。
（2）人工神经网络在建筑系统建模、学习、控制、优化等方面取得了很大的成功。目前广泛使用到了语音识别、最优化计算、图像处理等等控制领域。随着智能建筑的自动化功能需求的不断增强，在现代智能建筑物内安装的自动化设备愈来愈多，能耗也越来越大。智能建筑改变了传统的自动化、半自动化的响应速度，且其对设备要求越来越低。智能系统中的建筑学习模式的开放，使智能系统的成本越来越低。尽管建筑神经网络模型存在实时性，但随计算机运行速度的提高与神经网络算法的改进，建筑神经网络控制不断完善。神经网络学习控制将采用大规模集成电路，可完成建筑物监控、保安、照明、娱乐等任务。
（3）随着数据库技术、网络技术的快速发展，数据仓库技术、分布式数据库的不断走向成熟，科学家不断将其引入到了建筑物的智能决策系统当中，能使智能建筑实现智能化决策支持系统。半结构化和非结构化的智能决策帮助了中、高层决策者进行方案决策，为决策者提供详细的信息，帮助决策者明确决策目标和对决策问题全面认识，能提供各种决策方案，并能对其进行优化设计，帮助决策者提高决策能力、决策水平、决策质量和决策效益，从而达到最大经济效益的目的。
三、结论
智能建筑由于其依托互联网技术、计算机技术、信息技术，能够比较自由的设计个性化服务，从而使我们的工作与生活环境得到了极大的改变，随着经济的发展，智能建筑逐步走向个性化、智能化方向发展，而智能建筑的关键技术是智能控制技术，因此，只有促进智能控制技术的发展，才能更好的发展智能建筑。
参考文献：
[1]郭维钧.智能建筑的最新发展[J].施工技术，2007，（04）.
[2]李旭.智能建筑浅谈[J].中国科技信息，2005，（07）.
[3]张海燕，马凤仙.我国智能建筑发展中存在的问题及对策[J].三门峡职业技术学院学报，2004，（02）.
人工神经网络的起源范文第6篇
人工智能的起源和发展
顾名思义，人工智能就是人造的智能，它是一门通过计算过程力图理解和模仿智能行为的学科。其基本目标就是使机器表现出类似人类的判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动，使机器具有类似人类的智能行为，使机器思维能拥有人类的思考方式。
人工智能的思想最早可以追溯到法国哲学家笛卡尔的“有灵魂的机器”。到了20世纪30年代，英国数学家图灵提出了“自动化理论”，把研究会思维的机器和开发计算机的工作大大向前推进了一步，他也因此被称为“人工智能之父”。但是，“人工智能”这个概念真正诞生的标志是1956年夏季在美国达特玛斯大学召开的以“人工智能”为名的学术讨论会。随后的几十年中，人们从问题求解、逻辑推理、定理证明、自然语言理解、博弈、自动程序设计、专家系统、学习以及机器人学等多个角度展开了研究，并建立了一些具有不同程度人工智能的计算机系统。当然，人工智能的发展也不是一帆风顺的，曾一度因为计算机计算能力的限制无法模仿人脑的思考以及与实际需求的差距过大而走入低谷。但是随着计算机硬件和软件的发展，计算机的运算能力以指数级增长，加之网络技术的蓬勃兴起使得目前的计算机已经具备了足够的条件来运行一些要求较高的人工智能软件。当然，人工智能的快速发展并不意味着它已经能达到人脑的水平，但人工智能的发展潜力还是巨大的。根据人工智能研究的主要目标，以下4个方面引领了人工智能的发展方向：第一，与生物技术、电子技术结合，研究生物电子体；第二，与脑科学、信息处理技术结合，研究人工大脑；第三，与网络技术、软件技术结合，研究智能软件；第四，与通讯技术、控制技术结合，研究家庭机器人。
有血有肉的生物电子体
在我们的印象中，人工智能通常是一个计算机软件，其实它也可能拥有一副有血有肉的身躯在现世界行走、奔跑甚至飞翔。生物电子体技术就是让人工智能拥有活动能力的一种全新技术。
生物电子体是生物细胞与电脑微芯片有效协作的共存体，可以实现部分或全部生物的智能。研制电子生物体主要有“植入法”和“提取法”两种方式：“植入法”就是把模拟生物体的电脑微芯片植入生物体，并与生物体形成协作共存体；“提取法”就是从生物体中提取出细胞组织与模拟生物体的微芯片结合为协作共存体。
研究生物电子体的目的，就是希望制备出一种协作共存体，从而对生物体进行有效控制，使其为人类服务。譬如当年美国“9・11”恐怖袭击后，美国政府紧急安排了10种机器人进行城市搜索和救援工作，但其中有6种机器人由于体积太大而不能运送到现场开展工作。试想一下，我们如果利用生物电子体有效控制爬行动物的行为，使其为人类服务，这可能比研究救援机器人花费的时间和资源更少一些。
在生物电子体领域，各国已相继开展了诸多研究。利用相对简单的“植入法”，日本东京大学率先研究了一种蟑螂控制技术，他们把蟑螂头上的触须和翅膀切除，插入电极、微处理器和红外传感器，通过遥控信号产生电刺激，使蟑螂能够沿着特定方向行进。美国纽约州立大学通过向老鼠体内植入微控制器，也成功实现了对老鼠的转弯、前进、爬树和跳跃等动作的人工制导。我国在电子生物体的研究上也有突破性进展，南京航空航天大学就研究了一种壁虎的人工控制技术，即把微电极植入壁虎体内，通过电刺激模拟神经控制其运动。而通过“提取法”制得的生物电子体就更复杂些，比较有代表性的是英国科学家推出的一个由老鼠的脑组织控制的机器人，名为“戈登”。在该项研究中，科研人员先从老鼠身上分离出神经细胞，放置在酶溶液中，让这些神经细胞彼此分离，然后再将这些神经细胞置于营养丰富的培养基中。该培养基与一个拥有60个电极的电子矩阵相连接，这个电子矩阵就是活体脑组织和机器部件的接合面。通过电子矩阵，“戈登”大脑发出电子脉冲，驱动机器人轮子，同时也能接受传感器基于外部环境刺激发出的脉冲。由于“戈登”的大脑是活的组织，因此必须装在温度特定的器具中。除了自身大脑外，“戈登”不受任何人为和电脑的控制。“戈登”具有一定的学习能力，比如撞到墙时，它就会从传感器得到电子刺激，再次遇到类似情况时，它就会记住。但是，如果没有外界刺激，“戈登”便会在数月内因大脑萎缩而死亡。尽管如此，“戈登”仍是实现提取活体脑组织和电子部件结合的研究新突破，也是电子生物体的重大突破。
擅长自学的人工大脑
开发人工大脑就是从信息处理切入，结合脑科学研究大脑对信息流的获取、存储、联想（提取）、回忆（反馈）等处理逻辑，以及脑神经细胞的工作原理来为大脑建模的过程。我们都知道，大脑不是计算机，不会亦步亦趋、按部就班地根据输入产生输出，大脑是个极其庞大的记忆系统，真正了解人类大脑，构建出大脑的记忆-预测系统模型才能制造真正的智能。人工大脑其实早在20世纪末就出现了，日本京都先进电讯研究所率先研制了一只机器猫，该机器猫的脑部主要采用了人工神经网络技术，包含约3770万个人造神经细胞，尽管数量与人脑的1000亿个脑细胞相比差之甚远，但其智能超过了昆虫，实现了人工大脑开发的第一步。紧接着，比利时便研制出了能让机器人拥有数百个行为能力的人工大脑。然而，这些人工大脑都是基于传统的计算机设计和制造思路开发的，与人脑的工作模式有着本质的区别，因此，改变传统的设计思路，是未来研究人工大脑的必经之路。
目前，走在研究人工大脑技术前沿的是几大信息技术巨头，其中IBM和谷歌的研究成果尤为突出。IBM的研究人员研制出了第一代神经突触计算机芯片，这种芯片可以模拟大脑的认知活动，完全不同于计算机设计与制造的传统理念。研究人员通过先进算法和硅电路，再现了发生于大脑中神经细胞和突触之间的现象。未来，IBM将进一步开发认知运算芯片，并将以混合信号、类比数位以及异步、平行、分布式、可重组的特制容错算法，来复制大脑的运算单元、神经元与突触之间的活动。
近年来，谷歌将大量资金、人力投入人工大脑研究中，并成功开发出了模拟人脑并具备自我学习功能的“谷歌虚拟大脑”。“谷歌虚拟大脑”是模拟人脑细胞之间的相互交流、影响而设计的，通过模拟人脑中相互连接、相互沟通、相互影响的“神经元”，由1000台计算机、16000个处理器、10亿个内部节点相连接，形成一个“神经网络”。当有数据被送达这个神经网络的时候，不同神经元之间的关系就会发生改变，这种关系的变化使得该系统对某些特定数据形成反应机制，从而让系统具备学习能力，并且能够在新输入的数据中找出与学到的概念相对应的部分，以达到识别的效果。这个有着自学功能的虚拟大脑系统在人工智能领域有着划时代意义，研究人员无需预先输入某一概念，它就可以自己决定关注数据的哪部分特征，注意哪些模式，从而自动从输入的大量数据中“领悟”这一概念，这与人脑的学习过程十分相似。
智能软件不止于围棋
所谓智能软件，是指能够产生人类智能行为的计算机软件。智能软件与传统软件最重要的区别就是：智能软件具有现场感应和环境适应的能力，还有表示、获取、存取和处理知识的能力，同时还能够采用人工智能的问题求解模式来获得结果。自从计算机诞生后，软件的设计开发便一直落后于硬件生产水平的发展，智能软件更是无从谈起。直到20世纪末，作为现实世界高水平的抽象――Agent软件系统的诞生，才大大加快了智能软件的开发。很快，基于Agent的实时道路交通导航系统模型、面向Agent的巡航导弹武器控制系统和多Agent敏捷调度系统相继被开发出来。目前，基于Agent的软件设计与开发已经成为人工智能学科的重要内容之一，而如何在软件设计与开发中更好地体现Agent的自治性、交互性、协作性以及可通信性等，又使智能软件的设计与开发成为了人工智能学科的新挑战。
如今，对于智能软件的开发正处于如火如荼的阶段。比如，击败李世石的“阿尔法围棋”便是一款智能软件，这款智能软件最重要的特征就是“深度学习”。深度学习的主要原理就是用一层神经网络把大量矩阵数字作为输入，通过非线性激活方法取权重，再产生另一个数据集合作为输出。这就意味着“阿尔法围棋”会在与围棋高手的较量中不断提高自己的棋力。“阿尔法围棋”的另一个重要特征就是它具有两个不同的神经网络大脑：一个是“监督学习的策略网络”，负责观察棋盘布局试图找到最佳的下一步，相当于“落子选择器”；另一个是“价值网络”，负责评估棋局的整体局面并预测双方胜负，从而辅助落子选择器，这个叫“棋局评估器”。在“两个大脑”的配合下，“阿尔法围棋”击败了围棋界顶级高手，这绝对是人工智能的大突破。此外，智能软件还在环保、商务和医疗等领域崭露头角。我们知道，现在空气污染备受关注，西门子中央研究院便开发了基于神经网络的空气污染预测软件。该软件利用了伦敦市遍布中心城区的约150 座监测站收集的包括湿度、太阳辐射、云层覆盖和温度等天气数据和一氧化碳、二氧化碳和氮氧化物等气体的排放测量数据，并将这些数据相关联。同时还将诸如工作日、周末、假期、展会和体育赛事等影响交通和污染物排放的活动编程到预测模型中，最终这款智能软件能够每小时预报伦敦市内150 个地点未来 3 天的空气污染程度，误差率不超过 10%，并且还可以推断出导致所预测空气污染的主要原因。另外，现在还出现了许多商务智能软件，主要就是通过分析销售额、客流量、库存、人员配置等所有和企业运营相关的数据来显示和预测市场波动、经济趋势等，并为决策者提供未来的规划和方案。例如，美国的某公司开发了一款餐厅绩效管理智能软件，这款软件可以计算出每个轮班期间的最佳人员编制。总之，智能软件的开发已经并将继续影响整个社会的方方面面。
家庭机器人走入百姓家
人工智能的最后一个研究方向就是研发家庭机器人。所谓机器人，就是指装有传感器和微处理器，并且拥有潜在的人工智能，能够在无人操作的情况下完成一些重复动作的设备。在过去的几十年中，机器人已经被广泛应用在工业生产和危险环境中，如今，机器人市场已经开始转向家庭。那种可以和人成为朋友，陪人聊天，也可以帮助人们看家、清洁地板、照顾孩子等做一系列家务活儿的家庭机器人引领了新的时尚。
人工神经网络的起源范文第7篇
【关键词】电力系统；继电保护；技术；发展现状
一、微机继电保护的主要特点
根据，研究和实践证明 ，与传统的继 电保护相 比较 ，微机保护有许多优点 ，其主要特点如下改善和提高继 电保护 的动作特征 和性 能 ，动作正确率高。主要表现在能得 到常规保护不易获得的特性 其很强的记忆力能更好地实现故障分量保护 可引进 自动控制 、新的数学理论和技术 ，如自适应 、状态预测 、模糊控制及人工神经网络等 ，其运行高正确率也已在实践中得到证明 。可以方便地扩充其他辅助功能 。如故障录波 、波形分析等 ，可 以方便地附加低频减载 、自动重合闸、故障录波 、故障测距等功能 。工艺 结构条 件优越 。体现 在 硬件 比较 通用 ，制造容易统一标准 装置体积小 ，减少了盘位数量 功耗低 。可靠性容易提高 。体现在数字元件的特性不易受温度变化 、电源波动、使用年限、元件更换的影响 且 自检和巡检能力强 ，可用软件方法检测主要元件、部件的工况以及功能软件本身。使用灵 活方便 ，人机界面越来越友好 。其维护调试也更方便 ，从而缩短维修时间 同时依据运行经验，在现场可通过软件方法改变特性 、结构 。可以进行远方监控 。微机保护装置具有串行通信功能 ，与变电所微机监控系统的通信联络使微机保护具有远方监控特性 。
二、微机继电保护的发展史
电力系统继电保护的发展经历了机电型 、整流型 、晶体管型和集成电路型几个阶段后 ，现在发展到了微机保护阶段 。微机继电保护指的是以数字式计算机 、（包括微型机） 为基础而构成的继 电保护。它起源于20世纪60年代中后期 ，是在英国、澳大利亚和美国的一些学者的倡导下开始进行研究的。60年代中期 ，有人提 出用小型计算机实现继 电保护的设想 但是由于当时计算机的价格昂贵 ，同时也无法满足高速继电保护的技术要求 ，因此没有在保护方面取得实际应用 ，但 由此开始了对计算机继电保护理论计算方法和程序结构的大量研究 ，为后来的继电保护发展奠定了理论基础 。计算机技术在 年代初期和中期出现了重大突破 ，大规模集成电路技术的飞速发展 ，使得微型处理器和微型计算机进人了实用阶段 。价格 的大幅度下降 ，可靠性 、运算速度的大幅度提高 ，促使计算机继 电保护的研究 出现 了。在70年代后期 ，
出现了比较完善的微机保护样机 ，并投人到电力系统 中试运行 80年代 ，微机保护在硬件结构和软件技术方面 日趋成熟 ，并已在一些国家推广应用 。90年代 ，电力系统继 电保护技术发展到了微机保护时代 ，它是继电保护技术发展历史过程中的第四代。
三、我国继电保护发展现状
我国从70年代末即已开始了计算机继电保护的研究 ，高等院校和科研院所起着先导的作用 。华中理工大学 、东南大学 、华北 电力学院 、西安交通大学 、天津大学 、上海交通大学 、重庆大学和南京电力自动化研究院都相继研制了不同原理 、不同型式的微机保护装置 。1984年原华北 电力学院研制的输电线路微机保护装置首先通过鉴定 ，并在系统中得应用 ，揭开 了我 国继 电保护发展史上新的一页 ，为微机保护的推广开辟 了道路 。在主设备保护方面 ，东南大学和华中理工大学研制的发电机失磁保护 、发 电机保护 和发 电机 、压器组保 护也相继 于1993、1996年通过鉴定 ，投人运行 。南京电力 自动化研究院研制的微机线路保护装置也于 年通过鉴定 。天津大学与南京 电力 自动化设备厂合作研制的微机相电压补偿式方向高频保护 ，西安交通大学与许昌继电器厂合作研制的正序故 障分量方向高频保护也相继于 ” 年通过鉴定 至此 ，不同原理 、不同机型 的微机线路和主设备保护各具特色 ，为电力 系统提供了一批 新一代性 能优良、功能齐全 、工作可靠的继 电保护装置 。可 以说90年代开始我国继电保护技术已进人 了微机保护的时代。随着微机保护装置的研究 ，在微机保护软件、算法等方面也取得 了很多理论成果 ，并且应用于实际之中。
四 、继电保护的未来发展
继电保护技术发展趋势 向计算机化 、网络化、智能化和保护、控制 、测量 、数据通信一体化发展 。随着计算机技术的飞速发展及计算机在电力系统继电保护领域中的普遍应用 ，新的控制原理和方法被不断应用于计算机继电保护中 以期取得更好的
效果 ，从而使微机继 电保护的研究向更高的层次发展 ，出现了一些引人注 目的新趋势。
1.保护 、控制 、测量 、数据通信一体化在实现继 电保护的计算机化和 网络化的条件下 ，保护装置实际上就是一 台高性能 、多功能的计算机 ，是整个电力系统计算机 网络上的一个智能终端 。它可从网上获取 电力系统运行和故障的任何信息和数据 ，也可将它所获得的被保护元件的任何信息和数据传送给网络控制 中心或任一终端。因此 ，每个微机保护装置不但可完成继 电保护功能 ，而且在无故 障正常运行情况下还可完成测量 、
控制 、数据通信功能 ，亦即实现保护、控制 、测量、数据通信一体化 。
目前 ，为了测量 、保护和控制的需要 ，室外变电站的所有设备 ，如变压器 、线路等的二次电压 、电流都必须用控制 电缆引到主控室 。所敷设的大量控制电缆不但要大量投资 ，而且使二次 回路非常复杂。但是如果将上述的保护 、
控制 、测量 、数据通信一体化 的计算机装置 ，就地安装在室外变电站的被保护设备旁 ，将被保护设备的电压 、电流量在此装保护 、控制 、测量 、数据通信一体化在实现继 电保护的计算机化和 网络化的条件下 ，保护装置实际上就是一 台高性能 、多功能的计算机 ，是整个电力系统计算机 网络上的一个智能终端 。它可从网上获取 电力系统运行和故障的任何信息和数据 ，也可将它所获得的被保护元件的任何信息和数据传送给网络控制 中心或任一终端。因此 ，每个微机保护装置不但可完成继 电保护功能 ，而且在无故 障正常运行情况下还可完成测量 、控制 、数据通信功能 ，亦即实现保护、控制 、测量、数据通信一体化 。
目前 ，为了测量 、保护和控制的需要 ，室外变电站的所有设备 ，如变压器 、线路等的二次电压 、电流都必须用控制 电缆引到主控室 。所敷设的大量控制电缆不但要大量投资 ，而且使二次 回路非常复杂。但是如果将上述的保护 、控制 、测量 、数据通信一体化 的计算机装置 ，就地安装在室外变电站的被保护设备旁 ，将被保护设备的电压 、电流量在此装置内转换成数字量后 通过计算机 网络送到主控室 ，则可免除大量的控制电缆。如果用光纤作为网络的传输介质 ，还可免除电磁干扰 。现在光电流互感器OTA和光电压互感器（OTA）
已在研究实验阶段！将来必然在电力系统中得到应用。在采用OTA和OTA的情况下，保护装置应放在距OTA和OTA最 近 的地方 ，亦 即应 放在被保护设备 附近 。和 的光信号输人到一体化装置中并转换成电信号后 ，一方面用作保护的计算判断另一方面作为测量量 ，通过网络送到主控室。从主控室通过网络可将对被保护设备的操作控制命令送到一体化装 置 ，由一体化装 置执行 断路器 的操作。1992年天津大学提 出了保护 、控制 、测量 、通信一体化问题 ， TMS320C25数字信号处理器（DSP0）为基础的一个保护、控制、测量 、数据通信一体化装置 。
工神经网络在继电保护中的应用 年来 ，人工智能技术如神经网络 、遗传算法 、化规划 、模糊逻辑等在 电力系统各个领域都得到应用 ，在继电保护领域应用的研究也已开始 。
神网络是一种非线性映射的方法 ，很多难以列出方络方法则可迎刃而解 。
例如在输电线两侧系统电势角度摆开情况下发生经过渡 电阻的短路就是一非线性问题 ，距离保护很难正确作出故障位置的判别 ，从而造成误动或拒动 如果用神经网络方法 ，经
过大量故障样本的训练 ，只要样本集 中充分考虑了各种情况 ，则在发生任何故障时都可正确判别 。其它如遗传算法 、进化规划等也都有其独特的求解复杂问题的能力。将这些人工智能方法适 当结合可使求解速度更快 。天津大学从 年起进行神经网络式继电保护的研究 ，已取得初步成果 。可以预见 ，人工智能技术在继 电保护领域必将得 到应用 ，并解决用常规方法难以解决的间题变电所综合 自动化技术现代计算机技术 、通信技术和网络技术为改变变电站目前监视 、控制 、保护和计量装置及系统分割的状态提供了优化组合和系统集成的技术基础 。高压 、超高压变电站正面临着一场技术创新 。继电保护和综合 自动化的紧密结合已成为可能 它表现在集成与资源共享 、远方控制与信息共享。以远方终端单元 、微机保护装置为核心 ，将变电所的控制 、信号 、测量 、计费等回路纳入计算机系统 ，取代传统的控制保护屏 ，能够降低变电所的占地面积和设备投资 ，提高二次系统的可靠性 。随着微机性能价格 比的不 断提高 ，现代通信技术的迅 速发展 ，以及标准化规约 的陆续推 出 ，变电站综合 自动化成了热门话题 。
目前 ，用于变电站的监视 、控制 、保护 ，包括故障录波 、紧急控制装置 ，虽然已实现了微机数字化 ，但几乎都是功能单一的独立装置 ，各个装置缺乏整体协调和功能的调优 ，且功能交叉 ，输人信息不能共享 ，接线复杂 ，从整体上降低了可靠性 ，同时不能充分利用微机数据处理的强大功能和速度 ，经济上也是一种浪费 。现在广泛应用 的变电站 自动化系统为常规 自动化系统 ，它应用 自动控制技术 、计算机数据采集和处理技术 、通信技术 ，代替人工对变电站进行正常运行的监视 、操作、电压无功控制 、量测记录和统计分析 、故障运行 的监视 、报警和事件顺序记录与运行操作 ，大多不涉及继 电保护 、紧急控制、故障录波 、 、维修状态信息处理等功能 ，功能相对 比较简单。竞争的电力市场将促进新的 自动化技术的开发和应用 ，在经济效益的驱动下 ，变电站将向集成自动化方向发展 。根据变电站 自动化集成的程度 ，可将未来的 自动化 系统分为协调 型 自动化和集成型 自动化 。协调型 自动化仍然保留间隔内各 自独立的控制 、保护等装置 ，各 自采集数据并执行相应的输出功能 ，通过统一的通信网络与站级相连 ，在站级建立一个统一的计算机系统 ，进行个功能的协调 。而集成型 自动化既在间隔级 ，又在站级对各个功能进行优化组合 ，是现代控制技术 、计算机技术和通信技术在变 电站 自动化 系统的综合应用 。所谓集成型 自动化系统是将 间隔的控制 、保护 、故障录波 、事件记录和运行支持系统的数据处理等功能集成在一个统一的多功能数字装置内，间隔内部和间隔间以及 间隔同站级 间的通信用少量的光纤总线实现 ，取消传统的硬线连接 。
人工神经网络的起源范文第8篇
【摘要】 介绍数据挖掘技术的概念、工作原理，在阐述医学数据特点的基础上，探讨数据挖掘技术在临床决策中的应用过程，并以糖尿病为例，提出基于数据挖掘的辅助临床决策支持系统设想，以利于提高医院的临床决策能力。
【关键词】 数据挖掘； 临床决策； 决策树
1 前言
随着国家信息基础结构建设目标的实施，企业在各种活动中普遍采用现代信息技术来提高竞争力。传统的基于数据的管理信息系统已不能满足决策者对数据质量的需求，面向决策的知识管理系统正在蓬勃兴起，智能决策支持技术成为目前迫切需要发展的方向。
医学领域也不例外，临床决策研究已成为临床医学中的一个重要领域，当下的临床决策问题涉及到医学信息学、循证医学、费用-效益评估、卫生技术评估、医学伦理与法律等学科领域，因此在临床决策中单一的经验-描述的研究纲领已不适应当代医学发展的需要，需要引入综合的决策方法，以使临床医疗达到最佳疗效。
2 数据挖掘
近年来，随着电子信息技术的迅速发展，医院信息系统（hospital information system，HIS）和医疗设备的广泛应用，医院数据库的信息容量不断膨胀。数据库技术的发展解决了海量数据的存储和数据检索的效率问题，但无法改变“数据爆炸但知识贫乏”的现象。如何充分利用些宝贵的医学信息资源来为疾病的诊断和治疗提供科学的决策，促进医学研究？如何在医院信息系统中积累了大量的管理信息和临床信息资源中挖掘深层次的、隐含的、有价值的知识？数据挖掘有解决这方面问题的能力，利用数据挖掘技术开展科学研究，提高医学技术和医院管理水平是很有必要的。
2.1 数据挖掘的概念
数据挖掘（Data Mining）是从大量的、不完全的、有噪声的、模糊的、随机的数据集中识别有效的、新颖的、潜在有用的，以及最终可理解的模式的非平凡过程。它是一门涉及面很广的交叉学科，包括机器学习、数理统计、神经网络、数据库、模式识别、粗糙集、模糊数学等相关技术。
数据挖掘可粗略地理解为三部曲：数据准备（Data Preparation）、数据挖掘，以及结果的解释评估（Iterpretation and Evaluation）。将数据挖掘技术应用到医学信息数据库中，可以发现其中的医学诊断规则和模式，从而辅助医生进行疾病诊断，实现临床决策支持的效果。
2.2 临床决策支持系统
在医院信息系统（Hospital Information System，HIS）中，主要有两大分支：医院管理信息系统（Hospital Management Information System， HMIS）和临床信息系统（Clinical Information System， CIS）。HMIS主要目标是支持医院的行政管理与事务处理业务；而CIS主要目标是支持医护人员的临床活动，收集和处理病人的临床医疗信息，丰富和积累临床医学知识，提供临床咨询、辅助诊疗、辅助临床决策，提高医护人员的工作效率。
临床决策支持系统（Clinical Decision Support System，CDSS）是属于CIS中的一部分。CDSS是用人工智能技术对临床医疗工作予以辅助支持的信息系统，它可以根据收集到的病人资料，做出整合型的诊断和医疗意见，提供给临床医务人员参考。系统主要采用基于决策树和真值表的方法，接着出现了基于统计学方法的系统，研究人员针对不同医疗领域开发不同的临床CDSS。基本的临床CDSS由数据库、模型库和对话系统（人机交互系统）3个部分组成，如图1所示。
2.3 挖掘算法
对医学数据库进行数据挖掘和知识发现的主要目的是预测疾病和对疾病进行分类。分类和预测是两种数据分析形式，可以用于描述重要数据类的模型或预测未来的数据趋势。
常用的数据挖掘算法有：关联规则、决策树、粗糙集、统计分析、神经网络、支持向量机、模糊聚类、基于范例的推理(Case-Based Reasoning 简称CBR)、贝叶斯预测、可视化技术。在数据挖掘技术中，常用于辅助临床疾病诊断的方法，主要有①Bayes判别分析；②人工神经网络；③决策树。其中，决策树是一种非常有效的机器学习分类算法。决策树方法的起源是概念学习系统CLS，然后发展到ID3方法而为，最后又演化为能处理连续属性的C5.0。有名的决策树方法还有CART和Assistant。
决策树学习着眼于从一组无次序、无规则的事例中推理出决策树表示形式的分类规则。它采用自顶向下的递归方式，在决策树的内部结点进行属性值的比较并根据不同的属性值判断从该结点向下的分支，在决策树的叶结点得到结论。所以从根到叶结点的一条路径就对应着一条合取规则，整棵决策树就对应着一组析取表达式规则。基于决策树的学习算法的一个最大的优点就是它在学习过程中不需要使用者了解很多背景知识（这也同时是它最大的缺点），只要训练例子能够用属性——结论式的方式表达出来，就能使用该算法来学习。
近年将临床诊断与治疗设计成决策树（Decision Making Tree）的形式，目的就是把决策思维在一定程度上予以具体化和规格化，使临床决策思维按一定的程序进行，不致发生偏差和遗漏。
3 数据挖掘技术的应用
数据挖掘是从数据中识别真实、新颖、有用的、可理解的信息的复杂过程。尽管如今人们的研究重点放在对挖掘算法的研制、分析与应用上，但数据选择和数据的预处理却是整个挖掘过程中最耗时的活动，并且它们的结果影响整个过程是否能够成功产生结果。图2描述了数据挖掘的一般过程，实质上是一个迭代的过程。
3.1 什么是医学数据
医学数据挖掘是一门涉及面广、技术难度大的新兴交叉学科。医学数据首先是以治愈为目的而搜集的，其次才是用于医学研究的资源。医学数据具有如下特点：
医学数据的隐私性（Privacy）——医学数据不可避免地涉及到患者的一些隐私信息，当这些隐私信息使患者在日常生活中遭遇到不可预料的侵扰时，就产生了隐私性问题。医学数据挖掘者有义务和职责在保护患者隐私的基础上进行科学研究，并且确保这些医学数据的安全性和机密性。
医学数据的多样性——由于医学数据是从医学影像、实验数据以及医生与病人的交流中获得的，所以原始的医学数据具有多种形式。医学数据的多样性是它区别于其它领域数据的最显著特征。
医学数据的不完整性——医学数据的搜集和处理过程经常相互脱节，以及一些人为因素使得医学数据库不可能对任何疾病信息都能全面地反映。
医学数据的冗余性——医学数据库是一个庞大的数据资源，每天都会有大量的记录存储到数据库中，其中可能会包含重复的、无关紧要的、甚至是相互矛盾的记录。
此外，医学数据还具有时间性特征。
3.2 构建数据仓库
数据仓库是支持决策过程的、面向主题的、集成的、与时间有关的、持久的数据集合，它以传统的数据库技术作为存储数据和管理资源的基本手段，以统计分析技术作为分析数据和提取信息的有效方法，以人工智能技术作为挖掘知识和发现规律的科学途径，是与网络通信技术、面向对象技术、并行技术、多媒体技术、人工智能技术等相互浸透、互相结合与综合应用的技术。
创建基于HIS的数据仓库，是从已有数据出发的数据仓库的设计方法，称之为“数据驱动”的系统设计方法，它的基本思路是：利用以前建设的数据库系统的数据，按照分析领域对数据及数据之间的联系重新考虑，组织数据仓库中的主题，利用数据模型有效地识别数据和数据仓库中的主题的数据的“共同性”（即建立主题间相互联系的属性）。
从数据仓库的定义我们可以知道，构建一个HIS数据仓库需要完成：抽取主题；组织数据；获取与集成数据和建立应用。随着数据仓库的数据量增长，日积月累的数据之间有无关系，是否存在着一些潜在的模式或趋势？这些我们都无法用眼或简单的通过某种计算方式获知，而必须对这些数据加以证明或修正，这时，数据挖掘技术就派上用场了。
3.3 数据挖掘应用举例
数据挖掘是一个利用各种分析工具在海量数据中发现模型和数据间关系的过程。
疾病的诊断过程实际上也是一个疾病分类的过程，是根据病人的疾病特征划归到某个疾病或疾病类的过程。一般的医学书上把这一复杂的问题逐次分解成一个个小问题（疾病)的体系结构，患者根据症状特征及不适部位定位到具体疾病类的具体疾病，这一过程与现实中的分类过程十分相似。
以判断糖尿病为例，建立决策树。
采用决策树的方法，判断患者所患糖尿病的类型。起点是血糖高，分支的条件是是否处于妊娠期，如果答案是肯定的，那决策树就直接指向了妊娠糖尿病。因为如果患者是正在妊娠期的女性，在她们身上检测出高血糖，是归于妊娠糖尿病的。
如果答案是否定的，则属于其他类型糖尿病，就要判断患者是1型糖尿病还是2型糖尿病了。那我们应该根据什么来判断呢？
我们使用频数计算法进行判断。首先，这两种糖尿病之间的差别主要体现在3个方面：是否有自发性酮症，年龄，以及起病的快慢和病情的轻重。频数是指所患疾病表现的临床症状出现的频率，频数越大，说明越多的患者在患此种疾病是会表现出这种症状。把上述3种症状进行调查，得出相应的频数，就可以根据病人的表现症状，把对应的频数相加，最后我们就可以得出患者患有某种类型糖尿病的概率。
假设，经过调查之后，我们得出的1型糖尿病的频数表格见表1。表1 1型糖尿病频数表（略）
如果患者性别为男性，起病较急，病情较重，年龄是25岁，有自发性酮症表现。那么，根据上述算法进行决策，可以得出结论：患者患有1型糖尿病的几率为95%。这就达到了辅助医生决策的目的。
无论最终挖掘出来的结果是用来描述/理解、预测或是干预，我们寻求只是的目的就是为了运用知识，提高决策支持的能力。由于数据挖掘技术的发展，为决策支持系统开辟了新的发展方向，数据挖掘作为决策支持系统中的一部分发挥着重要的作用。
4 结束语
数据挖掘的目的是利用所获取的知识理解事物、预侧未来情况、进行积极的干预，为下一步的工作或决策提供基础。
医学领域的数据是一个复杂的数据库，包括电子病历、医学影像、病理参数、化验结果等，而目前数据挖掘技术主要应用于以结构化数据为主的关系数据库、事务数据库和数据仓库，对复杂类型数据的挖掘尚处在起步阶段。但是，随着数据库技术的发展，数据挖掘技术作为一种解决方案，成为医学信息技术领域重要的研究方法，必将为决策支持、科学研究带来很大的方便和可观的效益。
参考文献
1 周爱华， 郑应平， 王令群. 医学数据挖掘综述. 中华医学实践杂志， 2005， 4(2)：126~128.
2 屈景辉， 廖琪梅， 许卫中， 等. 医学信息数据库的建立与数据挖掘. 第四军医大学学报. 2001， 22(1)：88~89.