简介:AnewapproachtogenerateAself-organizingfuzzyneuralnetworkmodel.Anonlinearcombiningforecastmethodbasedonfuzzyneuralnetwork.Anovelclustermethodinfrizzyneuralnetworks.AnovelrobustPIDcontrollerdesignbyfuzzyneuralnetwork.Arecurrentfuzzyneuralnetwork:learningandapplication.Astudyofchatterpredictioninendmillingprocess(fuzzyneuralnetworkmodelwithinputsofcuttingconditionsandsound.Aweightedfuzzyreasoninganditscorrespondingneuralnetwork.
简介:Anti-controlofchaosbasedonfuzzyneuralnetworksinversesystemmethod;ApplicationofArtificialIntelligenceTechniquesforClassificationandLocationofFaultsonThyristor-ControlledSeries-CompensatedLine;AutonomousNavigationinaKnownDynamicEnvironment;BETAFUZZYNEURALNETWORKAPPLICATIONINRECOGNITIONOFSPOKENISOLATEDARABICWORDS;Controlsystemusingfuzzifiedinputneuralnetwork;CoordinatedcontrolofEGRandVNTinturbochargeddieselenginebasedonintakeairmassobserver;DesignofIntelligentOptimalTrackingControlforRobotManipulator。
简介:AConcurrentFuzzy-NeuralNetworkApproachforDecisionSupportSystems,Adynamicallygeneratedfuzzyneuralnetworkanditsapplicationtotorsionalvibrationcontroloftandemcoldrollingmillspindles,Afuzzymodelingofactivemagneticbearingsystemandslidingmodecontrolwithrobusthyperplaneusinμ-synthesistheory……
简介:摘要目的应用自组织神经网络为长寿研究选择对照组,以改进长寿基因研究设计。方法本研究基于2013年中国慢性病及其危险因素监测与全国死因监测数据融合形成的自然人群队列,纳入年龄≥90岁的老年人或年龄<80岁且已死亡的汉族人群(对照组),排除死于伤害、传染病、寄生虫病和恶性肿瘤的个案,利用自组织神经网络方法,通过多次迭代和自组织聚类,选取人口学特征、患病、生活习惯、社会行为、精神心理等多方面因素相似的≥90岁老年人和对照组,开展全基因组测序。研究采用PLINK 1.9软件评估测序数据质量,开展常染色体上的单核苷酸多态性(SNPs)和长寿的logistic回归,用Q-Q图可视化SNPs与长寿关联的P值。结果研究从基线177 099例调查对象中筛选出1 019例人群基因组样本开展全基因组测序,其中长寿组517例、对照组502例。长寿组和对照组在吸烟、饮酒、饮食、睡眠时长、血脂水平和自评口腔健康状况总体相似,在社会经济状况、身体活动时间、BMI和自评健康状况差异较大。全基因组测序结果经质控,4 618 216个SNPs进入关联分析。长寿组相关SNPs分析结果P值的Q-Q图显示在P值1e-4的区域有明显小于预期P值的富集,P<1e-7区域也检出了显著信号。结论自组织神经网络可综合考虑社会经济和生活行为方式的影响,从大规模自然人群队列中有真实死亡年龄和死亡原因的样本中选取长寿对照样本,提高长寿基因组关联分析检验效能。本研究为大规模自然人群队列筛选样本开展巢式病例研究提供了方法学参考。
简介:利用1961-2002年ERA-40逐日再分析资料和江淮流域56个台站逐日观测降水量资料,引入基于自组织映射神经网络(Self-OrganizingMaps,简称SOM)的统计降尺度方法,对江淮流域夏季(6-8月)逐日降水量进行统计建模与验证,以考察SOM对中国东部季风降水和极端降水的统计降尺度模拟能力。结果表明,SOM通过建立主要天气型与局地降水的条件转换关系,能够再现与观测一致的日降水量概率分布特征,所有台站基于概率分布函数的Brier评分(BrierScore)均近似为0,显著性评分(SignificanceScore)全部在0.8以上;模拟的多年平均降水日数、中雨日数、夏季总降水量、日降水强度、极端降水阈值和极端降水贡献率区域平均的偏差都低于11%;并且能够在一定程度上模拟出江淮流域夏季降水的时间变率。进一步将SOM降尺度模型应用到BCCCSM1.1(m)模式当前气候情景下,评估其对耦合模式模拟结果的改善能力。发现降尺度显著改善了模式对极端降水模拟偏弱的缺陷,对不同降水指数的模拟较BCC-CSM1.1(m)模式显著提高,降尺度后所有台站6个降水指数的相对误差百分率基本在20%以内,偏差比降尺度前减小了40%-60%;降尺度后6个降水指数气候场的空间相关系数提高到0.9,相对标准差均接近1.0,并且均方根误差在0.5以下。表明SOM降尺度方法显著提高日降水概率分布,特别是概率分布曲线尾部特征的模拟能力,极大改善了模式对极端降水场的模拟能力,为提高未来预估能力提供了基础。