找到2项技术成果数据。
找技术>-
一种基于神经网络的输液滴速确定方法及系统
成熟度:正在研发
技术类型:发明
应用行业:制造业
技术简介
本[发明专利]公开了一种基于神经网络的输液滴速确定方法,包括读取病例库上已有的病例信息,建立神经网络模型;对当前需要输液的病患身体状况进行检测;将检测到的病患身体状况以及所需输液药品种类输入到神经网络模型中,得到输液速度理论值;根据神经网络模型输出的输液速度,控制输液过程中输液速度实际值。本[发明专利]利用病例库中已存在的多个病例信息,建立完整的神经网络模型,所述神经网络模型能够根据病患身体状况以及所需输液药品种类计算出最佳的输液速度理论值,医护人员根据所述计算的输液速度理论值控制实际输液速度实际值,使病患的输液效果和治疗效果达到最佳。
-
基于机器学习的产品异响现场检测和故障诊断技术
成熟度:通过中试
技术类型:-
应用行业:信息传输、软件和信息技术服务业
技术简介
对于家电、汽车及其零部件制造企业来说,产品运行时异响是其用户投诉的主要来源,因此产品下线前进行异响检测是其品控过程中的重要环节。目前大多厂家均采用人耳监听的方法进行异响检测,但由于人耳听觉受经验、身体状况、疲劳程度、以及人员的责任心等主观因素影响很大,所以经常出现漏检或错检的情况,效率较低且无法实现自动化。本研究成果为避免人为主观因素的影响,实现产品异响的自动、精确检测提供了可行的途径。本成果基于机器学习方法,将产品异响检测归结为大数据样本下的非线性分类问题:首先通过近场声学阵列获取产品现场运行时的高信噪比声学信号,然后采用特征提取方法对声学信号进行特征提取和数据降维,从而获得异响信号的代表特征样本,接着采用机器学习方法,对这些异响特征样本进行统计学习,从而获得数据统计模型,最后将该学习好的统计模型用于真实异音信号的分类检测,从而将正常产品与异响产品区分开来。同时通过对不同异响特征的分类判断还能够实现产品具体故障的检测和诊断,为故障产品的修复提供指导信息。