基于智能診斷的人工智能神經(jīng)網(wǎng)絡運用

張倩

摘?要：智能診斷技術是對人類思維模式進行模擬，對監(jiān)測目標進行聯(lián)動分析，以保證數(shù)據(jù)信息分析的精準性。文章對智能診斷技術進行論述，對其思維模式、診斷原理、技術特性等進行分析，并對人工智能神經(jīng)網(wǎng)絡系統(tǒng)的實際應用進行研究。

關鍵詞：智能診斷;人工智能;神經(jīng)網(wǎng)絡

在科學技術的不斷創(chuàng)新下，為保證先進技術的可實施性，針對不同行業(yè)領域進行規(guī)劃研究，并對其產(chǎn)生的問題進行采集和分析，以確保人工智能神經(jīng)網(wǎng)絡技術的應用性。人工智能神經(jīng)網(wǎng)絡以神經(jīng)科學為基準，可實現(xiàn)數(shù)據(jù)信息的立體化監(jiān)測及運算，以其系統(tǒng)內(nèi)部特有的單元節(jié)點的運算方式，可有效實現(xiàn)目標監(jiān)測精準性，并可為工作人員提供決策型信息。

一、智能診斷技術論述

（一）思維模式

當前科學技術的不斷成熟下，加快工業(yè)生產(chǎn)行業(yè)的腳步，使行業(yè)發(fā)展趨于自動化、智能化等，但在精密儀器和技術的運行下，易受到內(nèi)在因素和外在因素的影響，使運行軌跡偏于預期軌跡，對依賴于自動化、智能化技術發(fā)展的領域造成損失。智能診斷技術是對運行系統(tǒng)的進行環(huán)節(jié)性分析，以設計者的思維意識為主導，可客觀的反映出意識形態(tài)，并針對不確定現(xiàn)象進行推理，利用系統(tǒng)內(nèi)的模糊算法、神經(jīng)網(wǎng)絡算法對系統(tǒng)運行產(chǎn)生的數(shù)據(jù)信息以智能化思維進行運轉，以保證系統(tǒng)運行的完整性。同時智能診斷系統(tǒng)可針對不同現(xiàn)象記性模擬化分析，以科學技術為理論，對事物進行立體化分析，以保證系統(tǒng)運行的精準性。

（二）診斷原理

智能診斷技術在實際應用過程中，是將模糊集合論作為數(shù)據(jù)信息的運算依據(jù)，將人們對事物發(fā)展的常態(tài)利用數(shù)據(jù)信息形式表現(xiàn)出來，通過科學技術的融合下，可將模糊型運算轉變?yōu)橐?guī)則型運算，以確保數(shù)據(jù)運行的準確性。為保證智能診斷的實用性，需針對不同的診斷類型進行分析，使系統(tǒng)可對故障類型進行分析，并針對故障類型的發(fā)展特性進行關聯(lián)分析，以預期發(fā)展趨勢為主，對相應資源進行輔助型維護，以保證系統(tǒng)的正常運行。為實現(xiàn)系統(tǒng)運行的精準性，應針對數(shù)據(jù)信息的波動趨勢進行殘差分析，并通過模糊化將其映射到實體反應集中，以呈現(xiàn)出數(shù)據(jù)信息，此種方式可表現(xiàn)為模糊化缺紙，在相關算法的推理下，給予數(shù)據(jù)監(jiān)測對象的反模糊化確定，對數(shù)據(jù)進行決策指令。

（三）技術特性

智能診斷在發(fā)展過程中，以實際應用場合為基準，通過數(shù)據(jù)信息的離散型處理模式，以節(jié)點為單位實現(xiàn)精準目標檢索功能。例如在規(guī)則中進行診斷，其主要以經(jīng)驗規(guī)則為主，可實現(xiàn)此領域內(nèi)部的快速檢索，并對知識點進行關聯(lián)分析，以提升數(shù)據(jù)信息檢索的精準性;在模型中診斷時，其以參數(shù)模型為基準，可實現(xiàn)階段式、多重式診斷;在實例中診斷時，其一般依據(jù)資源豐富的數(shù)據(jù)庫為基準，確保實例的診斷可具有易懂性、連續(xù)性、嚴謹性等;在人工神經(jīng)網(wǎng)絡中進行診斷時，一般將神經(jīng)元為輸出節(jié)點，具有容錯性、魯棒性、運算性等優(yōu)點，可有效實現(xiàn)系統(tǒng)的高效率運算，以提升診斷數(shù)據(jù)的準確性。

二、基于智能診斷的人工智能神經(jīng)網(wǎng)絡運用

人工智能神經(jīng)網(wǎng)絡是以神經(jīng)科學為基礎，模擬人類大腦的思維模式，以對數(shù)據(jù)實現(xiàn)采集、分析、記憶、存儲等。在智能化技術的融合下，可對數(shù)據(jù)信息進行立體化分析，并將其轉換為單元的傳輸模式，以輸入、輸出、隱單元為主，以保證數(shù)據(jù)信息在系統(tǒng)內(nèi)部以點狀單元進行聯(lián)動式傳輸。人工智能神經(jīng)網(wǎng)絡以神經(jīng)單元的運算方式，可有效實現(xiàn)數(shù)據(jù)信息的非線性、非常定性、非局限性、非凸性等，以保證數(shù)據(jù)信息在單位神經(jīng)元內(nèi)部的傳輸和運算效率。

人工智能神經(jīng)網(wǎng)絡系統(tǒng)在對目標進行監(jiān)測時，首先，是對監(jiān)測目標的數(shù)據(jù)信息進行采集，并針對數(shù)據(jù)信息故障和行為特征進行映射，將其進行規(guī)劃處理，以作為人工智能神經(jīng)網(wǎng)絡的輸入單元，其數(shù)據(jù)傳輸?shù)男视缮窠?jīng)單元內(nèi)的連接權值為基準，一般數(shù)據(jù)信息傳輸量較大時，可 提升數(shù)據(jù)的關聯(lián)檢索效率。其次，在對采集到的數(shù)據(jù)信息進行分類、編碼，為神經(jīng)網(wǎng)絡提供運算基礎，通?？梢詫嶓w狀態(tài)為主，將監(jiān)測目標分為常態(tài)、故障一、故障二等，并針對此信息進行數(shù)字模擬，例如，常態(tài)（0，0）、故障一（1，0）、故障二（0，1），為神經(jīng)單元的運算提供動態(tài)型數(shù)據(jù)，并為輸出單元的數(shù)據(jù)信息提供科學基礎。再次，通過人工智能神經(jīng)網(wǎng)絡系統(tǒng)的層級數(shù)構架下，以單元分布的模式，對輸入單元提供的信息進行故障趨勢預測，并對單元內(nèi)的數(shù)量進行分析，當數(shù)據(jù)信息經(jīng)由人工智能神經(jīng)網(wǎng)絡的隱單元時，通過隱單元的模擬化運算方式，可提供單層式的數(shù)據(jù)信息過渡傳輸，以保證神經(jīng)單元內(nèi)部的系統(tǒng)連接權值的穩(wěn)定性，并將數(shù)據(jù)信息傳輸?shù)缴窠?jīng)網(wǎng)絡的輸出單元。最后，以神經(jīng)網(wǎng)絡的單元連接方式為基準，對監(jiān)測目標的參數(shù)等進行輸入，通過內(nèi)部的運算以確定故障的類型。

三、結語

綜上所述，文章對智能診斷技術進行分析，其通過對數(shù)據(jù)信息進行離散式運算，依據(jù)實際監(jiān)測目標的關聯(lián)信息，以進行多形式目標的檢測，進而提升數(shù)據(jù)信息的檢測精度。人工智能神經(jīng)網(wǎng)絡技術在監(jiān)測目標中實際應用時，以神經(jīng)單元為節(jié)點的運算方式，可有效實現(xiàn)數(shù)據(jù)信息的智能化運算。

參考文獻：

[1]張慶，劉中儒，郭華.神經(jīng)網(wǎng)絡算法在人工智能識別中的應用研究[J].江蘇通信，2019，35（01）：63-67.

[2]吳參毅.安防領域人工智能深度神經(jīng)網(wǎng)絡算法的創(chuàng)新突破[J].中國安防，2017（11）：67-71.

[3]陳冰梅，樊曉平，周志明，李雪榮.基于人工神經(jīng)網(wǎng)絡與人工智能的計算機系統(tǒng)在兒童心理障礙診斷領域的應用（英文）[J].中國組織工程研究與臨床康復，2011，15（13）：2467-2470.