论文部分内容阅读
目的 针对超声空化过程中声参数与空化效应之间的影响关系问题,将多模型思想与人工神经网络相结合,构建了声空化对巨噬细胞损伤效应的辨识模型.方法 (1)将巨噬细胞视为黑箱,把超声强度和辐照时间作为神经网络的输入变量,巨噬细胞存活率作为输出变量.采用人工神经网络算法训练神经网络,构建输入与输出变量之间的数值映射关系.(2)基于多模型思想选取训练样本,从而克服因训练样本选取不当而造成的模型失配.结果 相比传统的神经网络模型,改进网络模型的辨识值与实验值更为接近,具有较高的辨识精度(EI=0.013 7,PA=100％).结论 建立的改进人工神经网络模型实现了对超声空化效应的量化分析,有利于缩减生物学实验的成本.