期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于PSO_GRNN网络的肺内静态压力值预测方法
被引量：
11
1
作者
张玉欣
金江春植
+1 位作者
白晶
周振雄
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2020年第5期174-184,共11页
为了实现机械通气辅助医疗中依据病人个体差异控制呼吸机通气参量,分析了基于广义回归神经网络(GRNN)的呼吸系统力学模型,通过结合PSO_GRNN网络、数值积分和递推最小二乘法等实现呼吸系统模型的参数辨识。采用直接计算法实现单周期呼吸...
为了实现机械通气辅助医疗中依据病人个体差异控制呼吸机通气参量,分析了基于广义回归神经网络(GRNN)的呼吸系统力学模型,通过结合PSO_GRNN网络、数值积分和递推最小二乘法等实现呼吸系统模型的参数辨识。采用直接计算法实现单周期呼吸样本的肺静态压力值计算,并利用二阶多项式拟合体积值误差,计算10个吸气周期静态数据点的平均绝对值误差为0.1693 mL,计算10个呼气周期静态数据点的平均绝对值误差为0.3728 mL。采用PSO_GRNN网络实现多周期呼吸样本集的肺静态压力值预测,10个呼吸周期样本集的训练集平均误差为0.0009 kPa,测试集平均误差为0.0407 kPa。仿真实验结果表明PSO_GRNN网络在收敛速度、平均误差、运算速度等方面均优于PSO_BP网络。所用方法在机械通气辅助治疗时可以为医生设置呼吸机通气参量提供有效的参考依据。
展开更多
关键词
呼吸系统模型
参数辨识
GRNN网络
粒子群算法
肺静态压力值
在线阅读
下载PDF
职称材料
题名
基于PSO_GRNN网络的肺内静态压力值预测方法
被引量：
11
1
作者
张玉欣
金江春植
白晶
周振雄
机构
北华
大学
电气与信息工程
学
院
日本纯真学园大学保健医疗学部
出处
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2020年第5期174-184,共11页
基金
吉林市科技局项目(201731199)
吉林省发展和改革委员会项目(2019C058-1)资助
文摘
为了实现机械通气辅助医疗中依据病人个体差异控制呼吸机通气参量,分析了基于广义回归神经网络(GRNN)的呼吸系统力学模型,通过结合PSO_GRNN网络、数值积分和递推最小二乘法等实现呼吸系统模型的参数辨识。采用直接计算法实现单周期呼吸样本的肺静态压力值计算,并利用二阶多项式拟合体积值误差,计算10个吸气周期静态数据点的平均绝对值误差为0.1693 mL,计算10个呼气周期静态数据点的平均绝对值误差为0.3728 mL。采用PSO_GRNN网络实现多周期呼吸样本集的肺静态压力值预测,10个呼吸周期样本集的训练集平均误差为0.0009 kPa,测试集平均误差为0.0407 kPa。仿真实验结果表明PSO_GRNN网络在收敛速度、平均误差、运算速度等方面均优于PSO_BP网络。所用方法在机械通气辅助治疗时可以为医生设置呼吸机通气参量提供有效的参考依据。
关键词
呼吸系统模型
参数辨识
GRNN网络
粒子群算法
肺静态压力值
Keywords
respiratory system model
parameter identification
general regression neural network(GRNN)
particle swarm optimization(PSO)
pulmonary static pressure value
分类号
O175.14 [理学—基础数学]
TH77 [机械工程—精密仪器及机械]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于PSO_GRNN网络的肺内静态压力值预测方法
张玉欣
金江春植
白晶
周振雄
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2020
11
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
