-
公开(公告)号：CN114997387B
公开(公告)日：2024-12-10
申请号：CN202210751267.9
申请日：2022-06-28
Applicant: 郑州轻工业大学
Inventor： 孙军伟 , 王妍 , 赵阳 , 徐远鹏 , 赵麟豪 , 陈振 , 孙策 , 李闯闯 , 张静宜 , 刘鹏 , 王英聪 , 凌丹 , 王延峰 , 刘娜 , 雷霆 , 方洁 , 余培照 , 黄春
Abstract: 本发明提出了一种视觉诱发的情绪习惯化特性神经网络电路，包括输入信号源、输入模块、逻辑控制模块、习惯化模块、强化模块和自发恢复模块，输入信号源分别与输入模块和逻辑控制模块相连接，输入模块与逻辑控制模块相连接，逻辑控制模块分别与习惯化模块、强化模块和自发恢复模块相连接，强化模块分别与习惯化模块和自发恢复模块相连接，自发恢复模块与习惯化模块相连接，习惯化模块输出恐惧或快乐情绪信号。本发明实现了不同刺激下的情绪习惯化与自发恢复、情绪习惯化状态下去习惯化刺激的习惯化以及第一次情绪习惯化和自发恢复后的第二次情绪习惯化与自发恢复。本发明更加符合生物特性，有助于构建更加智能的神经网络电路。
-
公开(公告)号：CN118658605A
公开(公告)日：2024-09-17
申请号：CN202410647843.4
申请日：2024-05-23
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种基于分子学习向量量化神经网络的乳腺肿瘤诊断方法，步骤为：确定学习向量量化神经网络的输入层、竞争层和线性输出层的功能，分别对照于DNA链置换反应；根据DNA链置换反应分别设计学习向量量化神经网络的输入层、竞争层和线性输出层对应的功能模块；确定各个功能模块的反应过程中辅助物、反应物的DNA链的结构及小支点结构，确定各个DNA链中结构域的碱基序列；根据学习向量量化神经网络的结构将各个功能模块级联为基于DNA的学习向量量化神经网络，进行浓度设置；从乳腺癌数据库获取女性乳腺肿瘤病例进行预处理；通过Visual DSD使用基于DNA的学习向量量化神经网络对预处理后的女性乳腺肿瘤病例进行良性或恶性的诊断。本发明设计的分子学习向量量化神经网络在癌症早期诊断和个性化精准医疗方面具有巨大潜力，成功对女性乳腺肿瘤的良恶性进行了诊断。
-
公开(公告)号：CN114254669B
公开(公告)日：2024-09-06
申请号：CN202111426438.2
申请日：2021-11-27
Applicant: 郑州轻工业大学
IPC: G06N3/0464 , G06N3/045 , G06N3/084 , G01M13/045 , G06F18/2415 , G06F18/2431 , G06F18/25 , G06N3/048 , G06F123/02
Abstract: 本发明提出一种滚动轴承故障诊断中时序周期ResNet网络模型的构建方法，用以解决传统的时间序列分类方法不具备应对滚动轴承复杂的运行环境以及浅层网络结构难以解决复杂非线性信号的故障分类、分类准确度低等技术问题。本发明包括获取多组不同状态的滚动轴承时序数据，并对滚动轴承时序数据预处理，然后将预处理后的滚动轴承时序数据分成多个时序周期片段并进行标签分类，构建时序周期ResNet网络模型提取滚动轴承时序数据的特征进行故障诊断，最后输出滚动轴承故障诊断的分类结果。本发明简化深度学习的运行过程，显著提高轴承数据集的故障诊断精度。
-
公开(公告)号：CN114036819B
公开(公告)日：2024-06-28
申请号：CN202111192793.8
申请日：2021-10-13
Applicant: 郑州轻工业大学
IPC: G06F30/27 , G06N3/0499 , G06Q50/26 , G06N3/08
Abstract: 本发明属于污水处理技术领域，公开一种基于自组织随机配置网络的污水总磷软测量方法及系统，该方法包括：步骤1，基于随机配置网络构建总磷软测量模型，确定总磷软测量模型的输入变量和输出变量，所述输入变量为出水pH值、入水流量、第五分区溶解氧浓度、第二分区硝态氮浓度和出水固体悬浮物浓度；所述输出变量为出水总磷浓度；所述总磷软测量模型的隐含层为单层；步骤2，对隐含层的神经元个数进行自组织调整和参数确定；步骤3，基于结构调整后的总磷软测量模型进行污水总磷软测量。本发明在不需要人为设定阈值的情况下，可以根据输出误差自动调整网络结构。
-
公开(公告)号：CN117558456A
公开(公告)日：2024-02-13
申请号：CN202311415501.1
申请日：2023-10-30
Applicant: 郑州轻工业大学
Abstract: 本申请公开了一种基于生物概率膜系统的多因素食管癌生存期预测模型的构建与应用。本申请首先利用ROC以及KM生存分析筛选出影响样本生存状态的影响因素，其次利用概率膜系统构建食管癌预后预测的概念模型，根据概念模型设置相应的膜结构以及对象集，并结合食管癌病情演化的特点设计相应的进化规则，最后利用MeCoSim软件对基于生物概率膜系统的多因素食管癌生存期预测模型进行仿真。然后将本模型与传统的机器学习方法进行对比，结果表明，相较于传统的机器学习方法、反向传播神经网络（BP）和XGBoost模型，基于生物概率膜系统的多因素食管癌生存期预测模型在正确率、受试者工作特征曲线下面积（AUC）、马修斯系数等方面具有一定的优势。
-
Patent Agency Ranking
公开(公告)号：CN113110071B
公开(公告)日：2023-04-14
申请号：CN202110598675.0
申请日：2021-05-31
Applicant: 郑州轻工业大学
IPC: G05B13/04
Abstract: 本发明提出了一种基于模态约束的奇异振动结构鲁棒镇定方法，其步骤为：首先，利用特征多项式方法分析奇异振动结构的特征结构，并明确留置特征结构和移动特征结构。其次，基于模态约束方法及奇异值分解法，设计位移‑速度‑加速度参数控制器，将闭环系统的特征结构移动到复平面上期望的位置，实现系统镇定。然后，构造基于闭环特征结构的目标函数，利用模态约束中的参数优化主动控制器范数，使得镇定控制器能量损耗最小。最后，构造基于灵敏度函数及条件数的控制器优化函数，使得期望的特征结构具有鲁棒性，能较好的抑制噪声的干扰。本发明设计的控制器采用了最小的控制能量实现奇异振动结构镇定，且闭环系统具有一定的抗干扰能力。
-
公开(公告)号：CN112199690B
公开(公告)日：2022-08-26
申请号：CN202010959880.0
申请日：2020-09-14
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种基于混合时滞的分数阶复杂系统同步实现的图像加密方法，其步骤为：读取原始三维彩色图像，获得三个颜色分量矩阵；利用混合时滞的分数阶驱动系统的动力学特性获得三维混沌信号；三维混沌信号重采样获得三组离散混沌序列，进行规范化处理得到混沌序列生成伪随机矩阵；分别颜色分量矩阵与伪随机矩阵进行DNA异或运算获得第一次加密后的图像矩阵，再根据伪随机矩阵依次进行DNA加法运算及置乱，获得第三次加密后的图像矩阵；利用一维Logistic混沌映射系统产生混沌序列，将混沌序列与第三次加密后的图像矩阵进行DNA减法运算获得最终加密的图像矩阵。本发明密钥灵敏性强，抗攻击能力强，有效地保证了加密图像的保密性和安全性。
-
公开(公告)号：CN114639482A
公开(公告)日：2022-06-17
申请号：CN202210276812.3
申请日：2022-03-21
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种基于IDPC和LASSO的食管鳞癌预后生存风险评估方法，其步骤为：首先，获取食管鳞癌患者的病理数据，利用卡方检验方法和信息增益确定的重要病理因素构建决策树，将患者分为早期组和中晚期组；其次，分别获取早期组和中晚期组食管鳞癌患者的术前血常规生化指标，利用LASSO选择出与术后生存风险显著相关的指标；然后，利用IDPC将早期组和中晚期组食管鳞癌患者分别聚集成不同的集群，对每一个集群，构建基于LR的列线图以预测食管鳞癌患者的生存风险；最后，利用混淆矩阵和受试者的AUC对列线图的性能进行评估。本发明较为准确地判断食管鳞癌患者的预后生存风险，可以帮助医生做出诊断决定，以至于为患者提供有效治疗。
-
公开(公告)号：CN114527645A
公开(公告)日：2022-05-24
申请号：CN202210174834.9
申请日：2022-02-24
Applicant: 郑州轻工业大学
IPC: G05B13/02
Abstract: 本发明提出了一种基于DNA链置换状态观测器的同结构的混沌系统同步方法，其步骤为：根据DNA链置换的化学反应和数学微分表达式之间的转化关系设计DNA化学反应网络，将DNA化学反应网络转换为微分表达式并合并构建驱动系统；构建线性变换系统；构造耦合控制器下的新线性变换系统，在耦合控制器的作用下驱动系统和新线性变换系统达到耦合同步；构建状态观测器；设计与驱动系统结构相同的响应系统；根据状态观测器与响应系统设计柔性变结构控制器，将柔性变结构控制器加入到响应系统中得到微分方程组，使状态观测器与响应系统达到同步。本发明的柔性变结构控制器对实现同结构的混沌系统之间的同步完全有效，状态观测器可以估计驱动系统的状态且有一定的鲁棒性。
-
公开(公告)号：CN114254669A
公开(公告)日：2022-03-29
申请号：CN202111426438.2
申请日：2021-11-27
Applicant: 郑州轻工业大学
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08 , G01M13/045
Abstract: 本发明提出一种滚动轴承故障诊断中时序周期ResNet网络模型的构建方法，用以解决传统的时间序列分类方法不具备应对滚动轴承复杂的运行环境以及浅层网络结构难以解决复杂非线性信号的故障分类、分类准确度低等技术问题。本发明包括获取多组不同状态的滚动轴承时序数据，并对滚动轴承时序数据预处理，然后将预处理后的滚动轴承时序数据分成多个时序周期片段并进行标签分类，构建时序周期ResNet网络模型提取滚动轴承时序数据的特征进行故障诊断，最后输出滚动轴承故障诊断的分类结果。本发明简化深度学习的运行过程，显著提高轴承数据集的故障诊断精度。
-
-
-
-
-
-
-
-
-
Search Results
108
records
(took 0.078 seconds)
