人工神经网络(ANN)

摘要： 在DFT-B3LYP/6-311+G(d,p)水平对60种非环状亚硝胺分子结构进行几何全优化,通过多元逐步线性回归(MSR)分析筛选出9个量子化学描述符作为自变量,log LD_(50)(lethal dose 50%,LD_(50):大鼠口服急性毒性)作为因变量,采用人工神经网络(ANN)方法构建QSAR模型。经Levenberg-Marquardt(LM)算法训练得到的隐含层为10个神经元节点的多层感知机ANN模型为最优结构。采用内外双重验证的方法,分析和检验模型的稳健性。对模型的内部验证采用留一法(LOO)交叉验证和均方根误差(RMSE)评估,其结果为Q_(LOO)^(2)=0.9514,RMSE_(train)=0.1534;外部验证结果为Q_(ext)^(2)=0.8842,RMSE_(test)=0.2948,因此构建的QSAR模型具有优秀的预测能力,为非环状亚硝胺结构和其急性毒性关系的深入理解提供理论基础。

摘要： 提出了一种基于神经网络的燃气管道泄漏检测方法。首先将管道分成若干段,在考虑每段管道气流的输入/输出压力的前提下,利用基于物联网现象的无线传感器网络来收集泄漏检测点所需的信息。基于这些信息构建特征工程,并进一步将样本集划分为训练集和验证集,使用训练集对泄漏检测神经网络进行训练,来调整神经网络权值,使用验证集评价神经网络的故障检测系统的性能。利用实际管道数据对网络进行训练,以确保所提出的方法适用于实际工程。

摘要： 人工神经网络(ANN)是一种模仿人脑神经网络结构和功能的信息处理系统,是一种分布式并行处理信息的抽象数学模型,现已在许多科学领域得以成功应用.在地球科学领域,人工神经网络最早应用于地球物理反演问题,随后逐渐扩展至其他领域.通过简要介绍人工神经网络的发展历程、基本特征及其模型,对地学领域中常用的人工神经网络模型进行了简单对比,并论述了其在地学领域中的应用特点,总结了近年来人工神经网络在地学领域中的主要应用,着重从判别分类、模式识别、预测评价以及信息数据处理等方面的应用进行了详细阐述.同时,结合地学领域的实际特点和人工智能领域中大量出现的优化理论和技术,分析认为人工神经网络在地学领域中的应用将逐渐呈现多种技术和深度学习的相融合态势,且在地学领域中应用效果会日益显著.这些探讨和分析对推动地学工作数字化、智能化具有参考意义.

摘要： 为了解决超临界小火焰燃烧模型数据库过于庞大,导致计算机内存不足和取值性能下降的问题,提出使用人工神经网络(ANN)进行建库的超临界小火焰/过程变量模型FPV-ANN.在先验性分析及在超临界水热火焰的大涡模拟计算中发现,FPV-ANN方法在温度、组分和其他目标变量的分布与传统FPV方法得到的结果吻合,说明FPV-ANN方法的准确性与传统FPV方法一致.由于人工神经网络小火焰库大小只有传统库的1％,FPV-ANN方法在大规模并行计算中消耗更少的计算机内存.FPV-ANN方法的计算速度比传统FPV方法提升了30％.可以看出,提出的FPV-ANN方法具有更好的计算性能.

摘要： 气象条件会导致无线电信号折射、衰减和超视距传播等电波传播效应.无线电气象学是研究气象环境特性及其对电波传播影响机理的一门交叉学科,是电波传播研究的重要领域.无线电气象学随着电波传播、气象和相关信息技术的发展而不断取得新的研究进展,为电波传播的更可靠预测和无线电系统的应用提供了可靠的数据和机理支撑.本文对全球数字地图、无线电参数遥感和短期预报等方面的研究进展进行了综合论述,并对无线电气象相关方向的发展给予了展望.

摘要： 采用响应面法和神经网络优化方法,对污泥板框脱水调理剂水平(次氯酸钠投加量、聚硫酸铁投加量、PAM投加量)进行优化,并对这2种方法的优化效果进行比较.结果表明:采用响应面法优化,当NaClO投加污泥干泥基的1.28％、PFS投加污泥干泥基的9.17％、PAM投加污泥干泥基的1.09‰时CST预测最小值为24.06 s,实测值为24.13 s;采用基于神经网络的遗传算法优化,NaC1O投加污泥干泥基的1.3％、PFS投加污泥干泥基的11.7％、PAM投加污泥干泥基的1.02‰时CST预测最小值为22.9s,实测值为23.15 s,脱水效果最优.通过RSM和ANN优化方法所拟合的数据的R2值分别是0.995 2和0.985 6,都具有较高的拟合度,均可用于污泥调理药剂的配比优化.

摘要： In order to improve the air quality of Beijing-Tianjin-Hebei region,atmospheric pollution control projects supported by special financial allocation of Beijing were carried out in Langfang City since 2015.By the end of the last year,Langfang has over fulfilled relevant projects.The number of coal-fired boilers transformed is 1315,cut down the emissions of SO2,NOx,dust for 6799,3547,5178 tons per year,respectively,which made a great contribution to improve the air quality of BTH region.In this paper,the environmental benefits of the boiler retrofitting projects and air quality improvement evaluation in Langfang are analyzed.The results show that the projects have great environmental benefits and significant pollution reduction effects.It is beneficial to the atmospheric pollution control works in BTH region from the long-term point of view.%为改善京津冀地区空气质量,2015年北京市安排专项资金支持廊坊市大气污染治理工作.到去年底,廊坊市超额完成相关治理项目,淘汰改造燃煤锅炉1 315台,实现SO2年减排量6 799 t,NOx减排3 547 t,烟尘减排5 178 t,为廊坊本地及京津冀地区空气质量改善做出了贡献.针对2015年廊坊市燃煤锅炉淘汰改造工作进行了环境经济效益分析及空气质量改善效果评估.结果表明:该项大气污染治理工作具有较大的环境效益及显著的污染削减效果,从长远角度有利于京津冀地区的大气污染防治工作顺利开展及区域空气质量的改善.

摘要： 无论是ANN，ES本身或ANN与ES的结合，其应用面向的对象主要是涉及面向经济与管理决策的活动过程。ANN与ES是人工智能（AI）技术的2个方面，它们之间的结合与互补，可使整个系统达到较高智能水平，主要探讨ANN与ES的结合在经济与管理决策方面应用的可能性。最后以在银行贷款的企业信用评价中应用为例加以说明。

摘要： 无论是ANN，ES本身或ANN与ES的结合，其应用面向的对象主要是涉及面向经济与管理决策的活动过程。ANN与ES是人工智能（AI）技术的2个方面，它们之间的结合与互补，可使整个系统达到较高智能水平，主要探讨ANN与ES的结合在经济与管理决策方面应用的可能性。最后以在银行贷款的企业信用评价中应用为例加以说明。

摘要： 无论是ANN，ES本身或ANN与ES的结合，其应用面向的对象主要是涉及面向经济与管理决策的活动过程。ANN与ES是人工智能（AI）技术的2个方面，它们之间的结合与互补，可使整个系统达到较高智能水平，主要探讨ANN与ES的结合在经济与管理决策方面应用的可能性。最后以在银行贷款的企业信用评价中应用为例加以说明。

摘要： 无论是ANN，ES本身或ANN与ES的结合，其应用面向的对象主要是涉及面向经济与管理决策的活动过程。ANN与ES是人工智能（AI）技术的2个方面，它们之间的结合与互补，可使整个系统达到较高智能水平，主要探讨ANN与ES的结合在经济与管理决策方面应用的可能性。最后以在银行贷款的企业信用评价中应用为例加以说明。

摘要： 本发明提供了一种用于人工神经网络的突触器件，所述人工神经网络包括多个神经元，所述多个神经元之间通过突触器件阵列相互连接，所述突触器件阵列包括多个突触器件，所述突触器件包括：两个、三个或更多个并联连接的突触单元。本发明还提供了一种包括这种突触器件的人工神经网络。

摘要： 根据本发明的分布式处理用人工神经网络运算加速装置可以具有：外部主存储器，存储针对输入神经元的输入数据和突触权重；内部缓冲存储器，存储构成所述人工神经网络运算的各个循环所需的突触权重和输入数据；DMA模块，用于与所述外部主存储器及内部缓冲存储器直接发送和接收数据；神经网络运算装置，针对构成人工神经网络运算的各个循环重复地处理以下一系列顺序过程：读取存储在所述内部缓冲存储器的突触权重和输入数据、执行人工神经网络运算、将运算结果存储在所述外部主存储器；CPU，用于控制在所述外部主存储器和内部缓冲存储器存储针对输入神经元的输入数据和突触权重的操作和所述神经网络运算装置的运行；及通用通信中介块，可以与无关集成电路的类型地以物理方式连接的其他加速装置发送和接收针对所述输入神经元的输入数据和突触权重以及在所述神经网络运算装置执行的运算结果。

摘要： 一种对根据来自旧任务的数据训练的人工神经网络进行再训练的方法，包括：利用来自不同于旧任务的新任务的数据对人工神经网络进行训练，在利用新任务对人工神经网络进行训练期间，利用S l i ced Wasserste i nD i stance计算一系列隐藏层节点的激活分布中的漂移，基于激活分布中的漂移计算要添加到至少一个隐藏层的附加节点的数量，将输入层节点、隐藏层节点和输出层节点之间的连接权重重置为在利用来自新任务的数据对人工神经网络进行训练之前的值，将附加节点添加到至少一个隐藏层，以及利用来自新任务的数据对人工神经网络进行训练。

摘要： 一种人工神经网络(ANN)的存储器系统包括：处理器，其用于处理人工神经网络模型；以及ANN存储器控制器，其被配置为控制存储在存储器中的ANN模型的数据的重新排列并且基于ANN模型的ANN数据局部性信息以读取突发模式操作存储在存储器中的ANN模型的数据。ANN存储器控制器可以接收预先生成的ANN数据局部性信息，或者处理器可以按顺序生成多个数据访问请求，使得ANN存储器控制器可以通过监控多个数据访问请求来生成ANN数据局部性信息。ANN存储器控制器基于人工神经网络数据局部性在接收来自处理器的请求之前准备数据，以减少存储器向处理器提供数据的延迟。

摘要： 一种人工神经网络存储器系统包括：至少一个处理器，其被配置为生成与人工神经网络操作对应的数据访问请求；以及至少一个人工神经网络存储器控制器，其被配置为依次记录数据访问请求，以生成人工神经网络操作的人工神经网络数据局部性模式，并且基于人工神经网络数据局部性模式生成预测由至少一个处理器生成的数据访问请求的下一数据访问请求的提前数据访问请求。

摘要： 本发明涉及用于应用有多任务能力的人工神经网络（KNN）的经改善的可能性。尤其是，本发明提出一种用于训练有多任务能力的KNN（110）的方法。在此，为通过KNN（110）的第一信息流提供第一路径（P1），其中所述第一路径（P1）将所述KNN（110）的输入层（120）与所述KNN（110）的至少一个跨任务中间层（130）耦合，所述跨任务中间层对于所述KNN（110）的多个彼此不同的任务是共同的，并且所述第一路径（P1）将所述至少一个跨任务中间层与来自多个彼此不同的任务（A，B）的相应的任务特定的KNN分段（140）耦合。此外，经由所述输入层（120）和所述第一路径（P1）输送用于训练跨任务参数的第一训练数据，所述跨任务参数对于所述KNN（110）的多个彼此不同的任务是共同的。此外，为通过所述KNN（110）的与所述第一信息流不同的第二信息流提供至少一个任务特定的第二路径（P2），其中所述第二路径（P2）将所述KNN（110）的输入层（120）与来自多个彼此不同的任务的任务特定的KNN分段（140）中的仅一部分耦合，并且经由所述第二路径（P2）输送用于训练任务特定的参数的第二训练数据。

摘要： 公开了一种数据缓存或数据管理设备，其用于在至少一个处理器和至少一个存储器之间高速缓存数据，并且支持由至少一个处理器执行的人工神经网络(ANN)操作。数据高速缓存设备或数据管理设备可以包括内部控制器，该内部控制器用于基于ANN操作的ANN数据局部性来预测下一数据操作请求。内部控制器从在至少一个处理器和至少一个存储器之间实际做出的数据操作请求中监视与ANN操作相关联的数据操作请求，从而提取ANN操作的ANN数据局部性。

摘要： 描述了一种电子设备，该电子设备包括处理逻辑，所述处理逻辑被配置为接收输入图像数据并使用人工神经网络模型来生成具有与输入图像数据不同的格式的输出图像数据。人工神经网络模型包括多个编码层单元，所述多个编码层单元分别包括位于多个级别的多个层。人工神经网络模型还包括多个解码层单元，所述多个解码层单元包括多个层并且被配置为与处于相同级别的多个编码层形成跳跃连接。第一级别的第一编码层单元接收第一输入特征图并将基于第一输入特征图的第一输出特征图输出到随后的编码层单元和处于第一级别的解码层单元。

摘要： 一种用于借助训练数据组来训练人工神经网络、尤其贝叶斯神经网络的方法，该方法具有根据损失函数来匹配人工神经网络的参数的步骤，其中，该损失函数包括第一项，该第一项表示对训练数据组的通过人工神经网络的分类与训练数据组的期望分类之间的距离的下边界的估计。此外，损失函数包括第二项，该第二项构型成使得通过人工神经网络的不同样本来调节训练数据组中的偶然不确定性的差异。

摘要： 本发明提供一种人工神经网络芯片及配备人工神经网络芯片的机器人，所述芯片包括硅衬底和3D存储阵列，在所述硅衬底和所述3D存储阵列之间设置有外围逻辑电路和人工神经网络电路；所述芯片基于3D非易失性存储器工艺制备；采用前道工艺制程实现所述3D非易失性存储器的外围逻辑电路以及所述人工神经网络电路；所述机器人包括所述人工神经网络芯片。本发明提出的人工神经网络芯片以3D非易失性存储器作为存储机制，具有超大容量的数据存储能力，而且即使掉电后数据依然能够保存。因此，本发明这种配备人工神经网络芯片的机器人灵活性高，学习能力强，动态可调节，这是传统机器人无法办到的。