简介:旨在引入神经网络算法以提高加速度计活动强度的预测准确性,以44名大学生(男女各22名)为样本,让其同时佩戴气体代谢分析仪CosmedK482和加速度计(Actigraph—GT3X)进行3类11项体力活动(每项活动5rain),使用Matlab7.0软件运用留一法交叉验证BP神经网络模型,通过其与Hendleman模型和Crouter模型在RMSE、Bias和B—A图上的横向比较评估其效度。结果显示3—18—1的三层神经网络模型(参数误差率O.001、初始学习率0.02、动量常量0.7)的RMSE为1.08,在B—A图上一致性区间之外的点占总数的4.3%、一致性界限差值的绝对值为2.7,每分钟活动强度(除骑行外)的分类准确性分别为84.3%(小强度)、83.2%(中等强度)和89.8%(大强度),神经网络模型在整体强度和各个活动项目强度的预测上的准确性均好于Hendleman和Crouter模型,并且在活动强度分类准确性上更优。未来应进一步探究机器学习中其它算法在该领域的应用,优化整合指标体系和各类模型之间的关系。
简介:古人云“以史为鉴”,说的是吸取历史的经验教训,对未来的情况做出预判或者改变。生活中,亦是存在相似的利用历史数据对未来变化趋势进行预测分析的时间序列问题。本文就时间序列一类的问题进行研究,探讨如何更好地根据历史统计数据,对未来的变化趋势进行预测分析。本文基于神经网络,以气象观测历史数据作为研究的对象,建立了气温变化时序预测模型。本模型利用大数据相关技术对数据进行特征处理,通过深度神经网络,学习特征数据和标签数据之间复杂的非线性关系,从而实现对气温变化的趋势预测。实验结果表明,相较其他模型,本文的模型能够更好地进行时序预测,同时也证明了神经网络用于气象预测的可行性。
简介:摘要目的探讨环境富集对坐骨神经挤压伤模型小鼠神经再生的作用及机制。方法首先对22只C57BL/6小鼠进行坐骨神经挤压建立动物模型,随后按随机数字表法将模型小鼠分为干预组和对照组,干预组小鼠置于具备环境富集的鼠笼内进行干预,对照组置于标准鼠笼中饲养。造模成功2周后,2组小鼠均行坐骨神经电生理检查和步态分析,并应用甲苯胺蓝染色观察坐骨神经有髓神经纤维的比例,采用免疫荧光测定2组坐骨神经中的生长相关蛋白43(GAP43)、髓鞘碱性蛋白(MBP)以及p75神经营养素受体(p75NTR)表达的差异。结果①坐骨神经电生理检测显示,干预组小鼠坐骨神经复合肌肉动作电位(CMAP)的潜伏期[(1.05±0.04)ms]较对照组[(1.98±0.30)ms]明显缩短(P<0.05),而其波幅[干预组(10.63±0.90)mV]则明显高于对照组[(6.58±1.25)mV],且组间差异有统计学意义(P<0.05);②小鼠步态分析显示,干预组小鼠的平均接触强度[(160.60±20.45)AU]、步幅[(5.11±0.58)cm]和步速[(53.06±7.20)cm/s] 均较对照组[(122.70±15.04)AU、(4.00±0.61)cm、(39.38±9.61)cm/s]有明显增加(P<0.05),而其步轴角[(21.88±2.13)°]则较对照组[(30.74±5.93)°]明显减小(P<0.05);③经甲苯胺蓝染色镜下观,干预组神经纤维排列相对整齐、密集,有髓纤维数量较对照组明显增多(P<0.05);④免疫荧光染色定量分析显示,干预组坐骨神经中的MBP、GAP43、p75NTR水平均较对照组明显提高(P<0.05)。结论环境富集可通过促进施万细胞的增殖、形成髓鞘而促进坐骨神经挤压伤小鼠模型中损伤神经的再生和功能的恢复。
简介:摘要交通流预测是交通控制与管理,交通状况改善的重要参考指标。本文建立灰色模型和BP神经网络相结合的组合模型,利用灰色模型对实际监测到的数据进行拟合、预测,得到预测值和预测残差,将预测残差输入到神经网络模型进行残差的学习、仿真和预测,残差预测值和灰色模型预测值的和值作为最终预测结果。结果表明,用灰色模型对神经网络模型预测进行优化,其预测结果比单一的神经网络建模预测具有更高的准确性和实用性,提高了预测的精度。