多层感知器

摘要： 口服液压盖过程,会出现压盖不良等情况,瓶盖可能会出现划痕、刮花、表面卷曲、压盖破损等缺陷,为保证食品药品安全必须在出厂前进行检测。在基于深度学习的口服液瓶压盖缺陷检测的研究过程中,使用传统卷积神经网络对口服液压盖缺陷数据集进行训练,需要进行人工标注,效率较低。为有效解决上述问题,设计出一种无监督学习的深度卷积去噪自编码器网络模型用于口服液瓶压盖质量检测,并使用结构相似性SSIM作为损失函数。针对口服液压盖质量图像进行预处理,建立合格产品图像数据集,然后构建一种以卷积神经网络为基础,结合多层感知器的去噪自编码器网络模型。该模型仅以无缺陷产品图像进行训练并学习无缺陷产品特征,通过将缺陷图像重构为无缺陷图像,再与缺陷图像相减,获得包含缺陷信息的残差图。实验结果表明:该方法能够很好地识别口服液瓶压盖缺陷,准确率达到95.2%,且具有较好的泛化能力和鲁棒性。

摘要： 为了提高审计质量,建立了一种能够预测合并财务报表审计意见的改进MLP模型。此外,为了有效确定模型超参数,采用了dropout及自适应k-fold交叉验证进行训练,从而有效提升模型性能。通过仿真分析,提出的方法与传统MLP和RBF相比,性能有所提升,平均准确率达到92.54%;与CNN方法预测准确率提升不明显,然而本文方法模型复杂度较且和训练需求的资源更少。仿真结果表明所提方法能较好地预测合并财务报表审计意见。

摘要： 目前测量帕金森严重程度的主要方法是医生对照UPDRS量表衡量,存在一定的主观性,为此本文研究出了一种用于衡量帕金森严重程度的评级系统。该系统由可穿戴设备、APP、云平台以及评估模型四部分构成。其中可穿戴设备通过三轴加速度传感器以及蓝牙模块采集震颤加速度传输至APP中进行存储、可视化与上传至云平台中,在平台获取数据后进行预处理并训练模型。通过中值滤波、小波去噪以及信号修正等算法进行数据预处理之后,通过多层感知机对处理后的数据进行学习与分类,最后得到系统的准确率为98%,召回率为96%,F1值为96%。经过实验验证,该系统能较好地反应出患者帕金森震颤的严重程度,为医生的后续判断与治疗提供了重要依据。

摘要： 该文对苯二氮类和吩噻嗪类镇静安眠药样品的红外光谱数据进行采集,构建了不同数据分类模型并对比了不同波段光谱数据集对其分析准确率的影响。结果表明,借助贝叶斯判别分析的基于全波段数据集的二阶导数模型分类效果优于其他单一模型,对于苯二氮类和吩噻嗪类两个不同类型精神药物的总体分类准确率达92.7%。借助贝叶斯判别分析的基于全波段和指纹区融合数据集的二阶导数融合模型分类效果最佳,对苯二氮类和吩噻嗪类两个不同类型精神药物的总体分类准确率达到100%;对苯二氮类和吩噻嗪类中不同种类精神药物的总体分类准确率则分别达到96.7%和100%。该研究实现了不同类型及同一类型不同种类镇静安眠药的快速准确定性分析,为此类管制类药物走私案件的准确定性提供了一定的技术支持。

摘要： 近年来,深度学习技术广泛应用于侧信道攻击(side channel attack,SCA)领域。针对在基于深度学习的侧信道攻击中训练集数量不足的问题,提出了一种用于侧信道攻击的功耗轨迹扩充技术,使用条件生成对抗网络(conditional generate against network,CGAN)实现对原始功耗轨迹的扩充,并使用深度神经网络进行侧信道攻击。通过选择密码运算中间值的汉明重量(hamming weight,HW)作为CGAN的约束条件,将CGAN生成模拟功耗轨迹作为多层感知器(multi-layer perceptron,MLP)神经网络的训练数据,构建模型实现密钥恢复。通过实验对不同类型训练集的攻击效果进行比较,结果表明,使用CGAN生成的功耗轨迹和原始功耗轨迹具有相同的特征,使用扩充后的功耗轨迹对MLP神经网络进行训练和测试,训练精度和测试精度分别提高15.3%和14.4%。

摘要： 利用高光谱仪对乙烯层流扩散火焰进行测量,选用多层感知器神经网络预测温度和碳烟体积分数分布,评估了模型的预测和抗噪能力,讨论了不同高度和燃料流量的火焰中温度和碳烟体积分数的分布情况.结果表明,神经网络能较为准确地重建实验火焰的温度和碳烟体积分数,并具有较强的抗噪能力;随着火焰高度的增加,碳烟体积分数峰值从两翼移向中心区域,温度趋于平缓,整体平均大小先增加后减小;随着燃料流量的降低,相同归一化高度的温度升高而碳烟体积分数降低.

摘要： 目的采用多层感知器(MLP)神经网络构建亚急性期缺血性脑卒中(CIS)短期预后的预测模型。方法2019年1月至2021年9月,上海市瑞金康复医院康复科再住院缺血性脑卒中患者60例,采集首次住院时(病程<30 d)的临床相关信息,根据首次入院3个月后改良Rankin量表评分,判断患者短期预后。采用单因素分析筛选与短期预后相关的危险因素,分别采用常规多因素Logistic回归和MLP建立预测模型,计算两种模型的预测准确率,采用接受者操作特征(ROC)曲线评估预测效应。结果多因素Logistic回归模型预测准确率73.3%,ROC曲线下面积0.851;MLP模型预测准确率88.9%,ROC曲线下面积0.930。结论采用MLP模型能更好预测亚急性期缺血性脑卒中的短期预后。

摘要： 针对皮革表面存在不均匀纹理的特性、缺陷分类难度大的问题,构造了一种多层感知器结合特征组合的分类方法。首先通过Gabor滤波方法强调皮革表面纹理特征,并获取皮革图像的5个灰度分布统计特征与8个灰度共生矩阵统计特征,以此描述皮革表面纹理和缺陷的特征;然后采用多层感知器结合特征组合的分类方法对皮革缺陷图像进行分类。实验验证结果表明,该方法对四类皮革样本的分类准确率可达98%以上。

摘要： 随着我国的经济和城市化迅速发展,PM_(2.5)主导的区域空气污染已成为紧迫、突出的环境问题。据相关研究表明,PM_(2.5)在不同季节质量浓度差异较大。根据广州市2015~2019年的PM_(2.5)月均质量浓度数据,结合大气污染物及气象因素,引入季节指数,建立预测PM_(2.5)质量浓度的改进多元线性回归和多层感知器组合预测模型,探析广州市大气污染物中PM_(2.5)质量浓度的变化规律。结果表明,用季节指数改进的组合预测模型对PM_(2.5)质量浓度进行预测分析,拟合结果良好。使用不同评价指标将组合模型与传统的多层感知器预测模型和多元线性回归模型进行对比,该组合模型的均方根误差(Root Mean Square Error,RMSE)、平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)、平均绝对误差(Mean Absolute Error,MAE)分别比多层感知器模型减少了23.1%、31%、24.2%;比多元线性回归模型减少了35.3%、41.3%、41%。该模型精度均优于传统的多元线性回归模型和多层感知器模型,能更好地预测环境PM_(2.5)质量浓度,为优化环境提供参考。

摘要： 为提高利用张量分解技术进行基于位置社交网络的地点推荐的推荐性能,提出一种利用张量分解技术且融合神经网络的地点推荐算法。融合多层感知机和长短期记忆网络基于张量分解技术建模用户的签到行为,将学习到的用户偏好表示馈送到推荐生成器和推荐判别器组成的对抗生成网络中,通过对抗训练学习最佳用户偏好表示用于推荐。基于真实数据集的实验验证了该算法的有效性和高效性。

摘要： 本文根据训练集中不同“非ST”与“被ST”的比例,利用多层感知器(MLP)原理建立了多个中小企业神经网络信用风险评估模型,最终选择最佳模型对我国2018年114家中小上市公司进行信用风险评估.按照各上市公司经营状况把样本分为“好”、“差”两类.本文对于每一家上市公司,主要考虑其盈利能力、偿债能力、成长能力、营运能力、现金流量和资本结构六个一级指标及相应的16个二级指标.仿真结果表明,训练样本的正确率高达88.5％;测试样本的正确率高达94.4％;其结果较为理想.

摘要： 近几十年来，人工神经网络因其良好的非线性逼近能力而得到广泛的应用，其中多层感知器是使用最广泛的网络结构。使用梯度下降类算法训练多层感知器(MLPs)时有容易陷入局部极小和训练效果不稳定的问题.为了解决以上问题,本文提出一种基于信息分布的权值初始化方法.该方法使用网络的输入变量与输出变量之间的互信息衡量输入变量中有用信息的多少,根据输入变量中的信息分布情况初始化隐含层输入权值,从而使得初始权值靠近全局最优点.分类实验、Mackey-Glass时间序列预测实验和非线性函数逼近实验的结果表明:使用该权值初始化方法的多层感知器测试精度更高,测试结果更稳定.

摘要： 基于神经网络的多层感知器模型，结合滚动学习一预报机制，提出了一种异常数据实时检测方法，该方法在每个当前时刻通过最近的固定长度的历史数据训练神经网络，完成下一时刻的预报，通过神经网络模型残差，确定概率为(p)的置信区间，当下一时刻数据落入置信区间内，则该数据被判为正常；反之，则为异常，被判为异常的数据不再用作更新历史数据，而以相应的预报值代替，通过某300MW燃煤火力电站实际过程数据的在线验证，结果证明了所提出的方法有效性。

摘要： 准确计算土体抗剪强度指标参数值大小对于评价岩土工程的安全性和经济性至关重要.本文运用人工神经网络多层感知器(MLP)和多元线性回归(MLR),对煤矸石充填土的不同物理参数如塑性指数、密度等进行了五种组合,依据这五种组合对抗剪强度指标黏聚力和内摩擦角进行了预测,并通过相关系数r、标准误差RMSE、平均绝对误差MAE和t检验四种统计值对预测值的准确性进行了评价.研究结果表明:多层感知器预测的5种指标参数输入值组合中,组合4和组合3分别是内摩擦角和粘聚力的最优组合.而多层感知器更适合预测粘聚力,而多元线性回归和多层感知器均可以预测内摩擦角.多元线性回归与人工神经网络模型已有的粘聚力和内摩擦角的参数组合预测值相类似,说明利用人工神经网络多层感知器对煤矸石充填土抗剪强度的预测是合理的.

摘要： 小波分析与神经网络结合的研究,已成为近些年来信号处理学科的热点之一.小波分析具有良好的时频局部性质,而神经网络具有自学习功能和良好的容错能力,将二者结合必具有强大的优势.对小波神经网络的模型、学习算法进行综述,并将其与RBF神经网络和多层感知器进行了比较.

摘要： 通过仿真由连续LYSO晶体和H7546B组成的探测器模块，研究了在采用多层感知器型神经网络作为位置估算器时，探测器成形后信号的四种优化方案对定位精度的影响.通过比较不同方案下，网络对测试数据的泛化能力得出，对PMT成形信号行列相加，压缩64路PMT。rn 信号为16路信号，然后数字化，利用两套神经网络确定γ射线在晶体表面入射位置的方法是一个合理的数据读出简化方案。该方案可简化电子学的设计和神经网络的FPGA实现。

摘要： 神经网络具有强大的函数拟合能力,但是,训练的结果是‘黑盒子'.采用构造阶梯样本、计算陡峭指数的方法,将受训多层感知器或支撑向量机的输入输出变量关系以直观的形式(阶梯图)反映出来.与传统方法比较,这种新的相关性分析方法能更充分地揭示样本中输入与输出变量间的非线性关系.在烟草行业单料烟模拟感觉质量评估的应用中,仿真试验验证了该方法的有效性与实用性.

摘要： 无线传感器网络的作用是可靠的采集和传输数据.本文根据无线传感器网络和神经网络的相似性,提出了一种基于多层传感器神经网络模型的无线传感器网络模型,并在这个模型及BP学习算法的基础上提出无线传感器网络的动态负载平衡路由算法.在网络仿真软件ns-2上实现了这一机制,通过一个具体实例的仿真分析,该动态平衡路由算法可以达到预期的良好效果.

摘要： 感知器(perceptron)是由美国学者F.Rosen-blatt于1957年提出的,其目的是为了模拟人脑的感知和学习能力.感知器是最早提出的一种神经网络模型,是一个具有单层神经元的网络,网络的激活函数是线性阈值单元.原始的感知器算法只有一个输出结点,相当于单个神经元.早期的研究人员试图用感知器模拟人脑的感知特征,但后来发现感知器的学习能力有很大的局限,如只能对线性可分的输入向量进行分类,以致于人们对它的能力和应用前景得出了十分悲观的结论.尽管如此,这种神经网络的出现对早期神经网络的研究,以及后来许多种神经网络的出现产生了极大的影响,就目前来看它仍然是一种十分有用的神经网络模型.感知器特别适用于简单的模式分类问题,当它用于两类模式分类时,相当于在高维样本空间中,用一个超平面将两类样本分开.Rosenblatt已经证明,如果两类模式是线性可分的(存在一个超平面将它们分开),则算法一定收敛. 本文以硬限幅函数单神经元感知器为例，介绍它的分类功能，它的分类功能很弱，只能对线性可分的输入向量进行分类。紧接着介绍了硬限幅函数二层单输出感知器的分类功能，它可以对位于凸空间内部和外部的两类模式实现无误划分。并给出了计算实例。

摘要： 在当今维稳反恐行动中,狙击手已经成为特种作战行动中的不可或缺的重要角色之一.为了科学准确地对狙击手的军事技能考核进行等级评定,通过对某集训队81名狙击手对研究对象,以集训考核中的课目的各项成绩,100米精度射击、随机指令射击、隐蔽渗透狩猎射击、越障抢占阵地射击、350米精度射击、对运动目标射击等6个课目为自变量,以狙击手的考核评定等级为因变量,利用多层感知(MLP)人工神经网络的方法,建立了多层感知模式识别模型,综合评价狙击手的军事训练的效能.该评估模型具有准确度高、科学量化和方便使用的特点,弥补了人为的主观评价的缺陷,具有一定的军事意义.

摘要： 本发明揭示了一种数字感知器装置及操作数字感知器装置的方法。本发明的工作数字感知器根据储存于一内容存储器阵列的数字内容数据的数据库来处理输入数字信息，并输出储存于一回应存储器阵列的对应数字数据。再者，该工作数字感知器内的该内容存储器阵列及该回应存储器阵列由闩锁器型的存储器单元所组成，以管理快速及频繁改变的数字处理环境，类似人类大脑中工作存储区的信息处理功能。

摘要： 本申请涉及一种可移动感知器、线控器及感知器与线控器的绑定方法，可移动感知器包括检测单元、第一无线通讯单元和红外发射单元；检测单元检测可移动感知器所在位置范围内的空气质量；第一无线通讯单元向线控器发送无线通讯数据，无线通讯数据包括可移动感知器所在位置范围内的空气质量；红外发射单元用于发射红外信号，红外信号中包括可移动感知器的地址身份信息，以使接收红外信号的线控器根据地址身份信息判断可移动感知器是否与其为同一空间范围内的可移动感知器，由于红外信号具有区域性，信号无法穿墙，可保证通讯的局部性，线控器可根据可移动感知器的实际位置进行自动匹配，实时更新与可移动感知器连接的线控器，以实现精准显示及控制。

摘要： 本发明公开了一种基于自动编码器和多层感知器网络的黄河主溜光谱建模方法，用于解决现有建模方法自适应性差的技术问题。技术方案是综合考虑水分子的吸收系数和散射系数，泥沙颗粒的吸收系数和散射系数，光的入射角，水层向上散射角等诸多因素；采用自动编码器后接多层感知器形成的神经网络结构，利用训练数据进行学习，最终获得黄河主溜光谱模型。自动编码器具有去除冗余信息，对噪声鲁棒的特点，因此有利于获得鲁棒的参数估计结果。本发明建立的黄河主溜光谱模型结合主溜成因，综合考虑了水体、泥沙、光照等方面的因素，采用自动编码器和多层感知器网络作为模型参数估计方法，能够更具数据自动获得具体模型参数，具有良好的可扩展性和自适应性。

摘要： 本申请公开了一种陷落指标自动提取的方法，能够自动从网页中分类出安全事件类文章并从文章中提取陷落指标（IoC）。本方法包括：对网页文章所在文件进行预处理生成简化文件；使用自然语言处理技术对简化文件进行处理，去除、替换干扰符号，生成源文件；通过自然语言处理技术从源文件所含文本数据中提取多维特征；通过多维特征训练多层感知器分离出安全事件类文章；从安全事件类文章中，提取出文章中的疑似IoC组；通过关键词匹配方法对于疑似IoC组内的每一个数据进行判断；通过基于HTML结构的关键句查找方法定位关键句，通过关键字匹配方法判断关键句所关联的疑似IoC组是否为真。

摘要： 本文公开了基于多层感知器的退火炉数字孪生智慧报警系统及方法，该系统对退火炉的几何特征、退火过程等建立物理模型，同时建立数据中心完成对传感器采集的数据的存储、交换，并综合考虑来料板形、设定张力、炉温等因素建立退火过程中带钢跑偏和瓢曲数学模型计算跑偏指数和瓢曲指数对其跑偏和瓢曲故障进行预警，通过短期自学习和长期自学习对数据进行训练，对模型内部参数进行优化，最终通过多层感知器深度学习完成对模型的优化，得到各输入参数对系统的影响权重以及最优参考值，将其和数据中心的数据载入到物理模型中实现对退火过程的数字孪生及跑偏和瓢曲故障的智慧预警。

摘要： 本发明公开了一种基于自动编码器和多层感知器网络的黄河主溜光谱建模方法，用于解决现有建模方法自适应性差的技术问题。技术方案是综合考虑水分子的吸收系数和散射系数，泥沙颗粒的吸收系数和散射系数，光的入射角，水层向上散射角等诸多因素；采用自动编码器后接多层感知器形成的神经网络结构，利用训练数据进行学习，最终获得黄河主溜光谱模型。自动编码器具有去除冗余信息，对噪声鲁棒的特点，因此有利于获得鲁棒的参数估计结果。本发明建立的黄河主溜光谱模型结合主溜成因，综合考虑了水体、泥沙、光照等方面的因素，采用自动编码器和多层感知器网络作为模型参数估计方法，能够更具数据自动获得具体模型参数，具有良好的可扩展性和自适应性。

摘要： 本发明公开了以混合多层感知器为基础的多尺度网络分析方法，包括：MSC块和UMLP块；本发明实现了高效率的高光谱分类方法超过了以往的方法、其模型大小仅为0.185M，能很好的适用于工业的需求、能很好的将此方法应用于高光谱领域，监控森林变迁和对森林灾情如火灾等进行及时的预警作用。

摘要： 本发明提供了基于多层感知器网络的天线阵列辐射方向图的高效优化合成方法。该方法包括：步骤1、根据目标方向图的设计要求，对目标方向图的特征进行人工筛选，选择重要的特征参数输入多层感知器网络进行训练和学习。步骤2、根据目标方向图的要求，确定对应的多参数控制的掩膜函数，将其与感知器网络预测出的辐射方向图的差值作为损失函数以此来指导训练时梯度下降的方向。步骤3：根据需求确定多层感知器网络的层结构和参数，在输入目标方向图重要的特征参数后，输出对应阵列天线单元的幅度与相位信息。

摘要： 本发明提供了一种基于多层感知器模型的脑卒中肢体康复方法、装置及系统，所述方法包括：提示使用者进行肢体动作的运动想象；获取使用者的运动想象脑电信号；对所述运动想象脑电信号进行处理，得到滑动窗口脑电信号数据；将所述滑动窗口脑电信号数据输入训练完成的时空域多层感知器神经网络模型；获取所述时空域多层感知器神经网络模型输出的运动想象辨识结果；根据所述运动想象辨识结果引导神经肌肉电刺激仪对使用者肢体的肌肉进行电刺激治疗。本发明提供的脑卒中肢体康复方法，能够实现对EEG脑电信号的准确获取、有效辨识和正确分类，通过识别使用者的动作意图，对手部肌肉神经进行电刺激治疗，协助使用者完成康复训练。

摘要： 本发明涉及一种基于图多层感知器的三维人体姿态估计方法及系统。该方法对输入的训练图像通过二维姿态检测器提取人体的二维骨架信息；利用骨架嵌入模块编码骨架成高维向量；利用图多层感知器模型来提取高维语义特征；利用预测头模块来回归得到三维骨架；利用均方误差损失函数训练模型。本发明结合了图卷积和多层感知器的优势，不需要复杂的自注意力机制，便可很好地提升骨架的表征学习能力。