-
题名基于改进PNN模型的人体健康监测方法
被引量：3
- 1
-
-
作者
孟柳
周金治
-
机构
西南科技大学信息工程学院
特殊环境机器人技术四川省重点实验室
-
出处
《自动化仪表》
CAS
2017年第11期1-4,8,共5页
-
基金
西南科技大学研究生创新基金资助项目(17ycx125)
特殊环境机器人技术四川省重点实验室基金资助项目(13ZXTK07)
-
文摘
远程人体健康监测分析呈现滞后性、不准确性、设备昂贵等特点,因此难以实现实时、准确的人体健康监测分析。通过对人体健康监测方法和概率神经网络(PNN)的研究,将具有调节参数少、收敛速度快和保证获得贝叶斯最优解等优点的PNN应用于人体健康监测。但是PNN的缺点是未考虑不同类别模型之间的重叠和交错,以及当训练样本不满足假定条件时无法确定是否存在相应的PNN模型。针对这两个缺点,分析了径向基神经网络(RBNN)和广义回归神经网络(GRNN)的网络拓扑结构和优势,创新性地提出在PNN结构的模式层中引入RBNN结构,以及在PNN结构的输出层中引入GRNN结构,得到了一种新的径向基-广义回归-概率混合神经网络(RBF-GR-PMNN),从而满足实时、准确监测人体健康状况的要求。进行了RBF-GR-PMNN与一般PNN的对比试验。试验分别从准确率和运行时间等方面进行对比分析。试验结果证明了改进PNN在这些方面均优于一般PNN,进一步表明了RBF-GR-PMNN模型的有效性。
-
关键词
健康监测
概率神经网络
收敛速度
贝叶斯最优解
网络拓扑
径向基神经网络
广义回归神经网络
-
Keywords
Health monitoring
Probabilistic neural network
Convergence speed
Bayesian optimal solution
Network topology
Radial basis neural network
Generalized regression neural network
-
分类号
TH-3
[机械工程]
TP391
[自动化与计算机技术—计算机应用技术]
-
