光陰任苒，歲月如梭。2012年通過(guò)招考我進(jìn)入了醫(yī)院神經(jīng)外科工作，轉(zhuǎn)眼間進(jìn)入***醫(yī)院已近三年多的時(shí)間，在這寶貴的三年里，在醫(yī)院領(lǐng)導(dǎo)的關(guān)心指導(dǎo)下，在同事們的幫助下，自己的思想素質(zhì)得到了提升，臨床專業(yè)技能得到了有力提高，在工作崗位上，本人恪盡職守，盡心盡力，積極為醫(yī)院的發(fā)展，為服務(wù)廣大病人貢獻(xiàn)出自己的綿薄之力。感謝領(lǐng)導(dǎo)給予我的平臺(tái)，謝謝同仁們?cè)诠ぷ魃蠈?duì)我的幫助和支持。在以后的工作中，我將竭盡所能，在平凡的工作崗位上發(fā)光發(fā)熱。下面將的個(gè)人工作總結(jié)如下：

一、工作完成情況

（一）加強(qiáng)政治理論學(xué)習(xí)，提高自我的素養(yǎng)

參加工作以來(lái)，個(gè)人始終堅(jiān)持政治理論學(xué)習(xí)不放松，緊密圍繞在黨組織的周圍，加強(qiáng)自我學(xué)習(xí)力度，尤其是對(duì)黨的理論政治知識(shí)的學(xué)習(xí)力度，通過(guò)參加集體學(xué)習(xí)和利用業(yè)余時(shí)間，個(gè)人較為系統(tǒng)的學(xué)習(xí)了黨的十八大理論精神，尤其是關(guān)于“中國(guó)夢(mèng)”相關(guān)理論的論述，堅(jiān)定了自己的理想信念，讓自己對(duì)黨有了更加深刻的認(rèn)識(shí)，也提升了自己的政治素養(yǎng)，增強(qiáng)了大局觀和責(zé)任觀。此外，個(gè)人還利用各種時(shí)間和培訓(xùn)機(jī)會(huì)，積極提升自我的專業(yè)技能知識(shí)，在這三年的時(shí)間內(nèi)，自己的專業(yè)技能水平和能力得到了提高。

（二）心系病患，認(rèn)真接診每一位病人

作為一名醫(yī)生，我深深的知道自己的職責(zé)和使命，作為一名醫(yī)生，救助病患是我們義不容辭的責(zé)任，病人相信我們，我們就要盡自己最大的能力去幫助他們，為他們解決各種生理和心理上的問(wèn)題。在神經(jīng)外科接診的過(guò)程中，我始終保持這種心態(tài)，認(rèn)真的對(duì)待每位前來(lái)看病的病人，認(rèn)真聆聽(tīng)他們的訴求，幫助他們根除病灶，將病人當(dāng)親人，在神經(jīng)外科的接診過(guò)程中，有很多病人得病的根源是由于工作壓力大，同時(shí)缺少親人的理解和安慰，久而久之，心理產(chǎn)生了疾病，出現(xiàn)了各種神經(jīng)性的問(wèn)題，因此，在具體治療的過(guò)程中，我十分注重對(duì)其心理的治療，一方面安慰他們的家屬，讓他們的家屬能夠?qū)捫模硪环矫?，從心理的角度，耐心?xì)致的幫助他們解除痛苦，通過(guò)自己不懈的努力，獲得了病人及其家屬的好評(píng)。截止目前，全年共接診***次，未發(fā)生一起醫(yī)療事故，病人滿意度達(dá)到***%。

摘要：根據(jù)現(xiàn)代控制技術(shù)的人工神經(jīng)網(wǎng)絡(luò)理論提出了一種保護(hù)原理構(gòu)成方案，并分析了原理實(shí)現(xiàn)的可行性和技術(shù)難點(diǎn)。

人工神經(jīng)網(wǎng)絡(luò)（AartificialNeuralNetwork，下簡(jiǎn)稱ANN）是模擬生物神經(jīng)元的結(jié)構(gòu)而提出的一種信息處理方法。早在1943年，已由心理學(xué)家WarrenS.Mcculloch和數(shù)學(xué)家WalthH.Pitts提出神經(jīng)元數(shù)學(xué)模型，后被冷落了一段時(shí)間，80年代又迅猛興起［1］。ANN之所以受到人們的普遍關(guān)注，是由于它具有本質(zhì)的非線形特征、并行處理能力、強(qiáng)魯棒性以及自組織自學(xué)習(xí)的能力。其中研究得最為成熟的是誤差的反傳模型算法（BP算法，BackPropagation），它的網(wǎng)絡(luò)結(jié)構(gòu)及算法直觀、簡(jiǎn)單，在工業(yè)領(lǐng)域中應(yīng)用較多。

經(jīng)訓(xùn)練的ANN適用于利用分析振動(dòng)數(shù)據(jù)對(duì)機(jī)器進(jìn)行監(jiān)控和故障檢測(cè)，預(yù)測(cè)某些部件的疲勞壽命［2］。非線形神經(jīng)網(wǎng)絡(luò)補(bǔ)償和魯棒控制綜合方法的應(yīng)用（其魯棒控制利用了變結(jié)構(gòu)控制或滑動(dòng)?？刂疲?，在實(shí)時(shí)工業(yè)控制執(zhí)行程序中較為有效［3］。人工神經(jīng)網(wǎng)絡(luò)（ANN）和模糊邏輯（FuzzyLogic）的綜合，實(shí)現(xiàn)了電動(dòng)機(jī)故障檢測(cè)的啟發(fā)式推理。對(duì)非線形問(wèn)題，可通過(guò)ANN的BP算法學(xué)習(xí)正常運(yùn)行例子調(diào)整內(nèi)部權(quán)值來(lái)準(zhǔn)確求解［4］。

因此，對(duì)于電力系統(tǒng)這個(gè)存在著大量非線性的復(fù)雜大系統(tǒng)來(lái)講，ANN理論在電力系統(tǒng)中的應(yīng)用具有很大的潛力，目前已涉及到如暫態(tài)，動(dòng)穩(wěn)分析，負(fù)荷預(yù)報(bào)，機(jī)組最優(yōu)組合，警報(bào)處理與故障診斷，配電網(wǎng)線損計(jì)算，發(fā)電規(guī)劃，經(jīng)濟(jì)運(yùn)行及電力系統(tǒng)控制等方面［5］。

本文介紹了一種基于人工神經(jīng)網(wǎng)絡(luò)（ANN）理論的保護(hù)原理。

1、人工神經(jīng)網(wǎng)絡(luò)理論概述

摘要根據(jù)現(xiàn)代控制技術(shù)的人工神經(jīng)網(wǎng)絡(luò)理論提出了一種保護(hù)原理構(gòu)成方案，并分析了原理實(shí)現(xiàn)的可行性和技術(shù)難點(diǎn)。

人工神經(jīng)網(wǎng)絡(luò)(AartificialNeuralNetwork，下簡(jiǎn)稱ANN)是模擬生物神經(jīng)元的結(jié)構(gòu)而提出的一種信息處理方法。早在1943年，已由心理學(xué)家WarrenS.Mcculloch和數(shù)學(xué)家WalthH.Pitts提出神經(jīng)元數(shù)學(xué)模型，后被冷落了一段時(shí)間，80年代又迅猛興起［1］。ANN之所以受到人們的普遍關(guān)注，是由于它具有本質(zhì)的非線形特征、并行處理能力、強(qiáng)魯棒性以及自組織自學(xué)習(xí)的能力。其中研究得最為成熟的是誤差的反傳模型算法(BP算法，BackPropagation)，它的網(wǎng)絡(luò)結(jié)構(gòu)及算法直觀、簡(jiǎn)單，在工業(yè)領(lǐng)域中應(yīng)用較多。

經(jīng)訓(xùn)練的ANN適用于利用分析振動(dòng)數(shù)據(jù)對(duì)機(jī)器進(jìn)行監(jiān)控和故障檢測(cè)，預(yù)測(cè)某些部件的疲勞壽命［2］。非線形神經(jīng)網(wǎng)絡(luò)補(bǔ)償和魯棒控制綜合方法的應(yīng)用(其魯棒控制利用了變結(jié)構(gòu)控制或滑動(dòng)模控制)，在實(shí)時(shí)工業(yè)控制執(zhí)行程序中較為有效［3］。人工神經(jīng)網(wǎng)絡(luò)(ANN)和模糊邏輯(FuzzyLogic)的綜合，實(shí)現(xiàn)了電動(dòng)機(jī)故障檢測(cè)的啟發(fā)式推理。對(duì)非線形問(wèn)題，可通過(guò)ANN的BP算法學(xué)習(xí)正常運(yùn)行例子調(diào)整內(nèi)部權(quán)值來(lái)準(zhǔn)確求解［4］。

因此，對(duì)于電力系統(tǒng)這個(gè)存在著大量非線性的復(fù)雜大系統(tǒng)來(lái)講，ANN理論在電力系統(tǒng)中的應(yīng)用具有很大的潛力，目前已涉及到如暫態(tài)，動(dòng)穩(wěn)分析，負(fù)荷預(yù)報(bào)，機(jī)組最優(yōu)組合，警報(bào)處理與故障診斷，配電網(wǎng)線損計(jì)算，發(fā)電規(guī)劃，經(jīng)濟(jì)運(yùn)行及電力系統(tǒng)控制等方面［5］。

本文介紹了一種基于人工神經(jīng)網(wǎng)絡(luò)(ANN)理論的保護(hù)原理。

1人工神經(jīng)網(wǎng)絡(luò)理論概述

摘要：統(tǒng)計(jì)學(xué)習(xí)方法和人工神經(jīng)網(wǎng)絡(luò)都是在數(shù)據(jù)分類任務(wù)中的使用的模型。本文從技術(shù)的角度上總結(jié)分析這些模型的相同點(diǎn)與不同點(diǎn)，提供對(duì)這些模型分類性能的客觀分析。最后本文對(duì)如何更好地提升統(tǒng)計(jì)學(xué)習(xí)和人工神經(jīng)網(wǎng)絡(luò)的分類性能進(jìn)行分析總結(jié)。

關(guān)鍵詞：機(jī)器學(xué)習(xí)；神經(jīng)網(wǎng)絡(luò)；人工智能

1引言

預(yù)測(cè)模型在各種領(lǐng)域被用于分析和預(yù)測(cè)。預(yù)測(cè)模型都是從真實(shí)的數(shù)據(jù)樣本中建立的，這些樣本數(shù)據(jù)可以根據(jù)一系列規(guī)則進(jìn)行預(yù)處理和轉(zhuǎn)格式，普遍用于基于知識(shí)的專家系統(tǒng)，或者作為統(tǒng)計(jì)和機(jī)器學(xué)習(xí)的訓(xùn)練數(shù)據(jù)集。目前在機(jī)器學(xué)習(xí)中較受歡迎的是統(tǒng)計(jì)學(xué)習(xí)方法[1-3]和人工神經(jīng)網(wǎng)路[4,5]。雖然這兩種模型分別來(lái)自于統(tǒng)計(jì)學(xué)和計(jì)算機(jī)學(xué)，但同時(shí)也具有一定的相似性。在本文我們給出了統(tǒng)計(jì)學(xué)習(xí)方法和人工神經(jīng)網(wǎng)絡(luò)的在模式統(tǒng)計(jì)識(shí)別中共同點(diǎn)，并且說(shuō)明為何神經(jīng)網(wǎng)絡(luò)可以看做是統(tǒng)計(jì)學(xué)習(xí)的總結(jié)。目前預(yù)測(cè)模型算法已經(jīng)有不少現(xiàn)成的實(shí)現(xiàn)，既有免費(fèi)的也有商業(yè)的軟件可用于測(cè)試。通過(guò)測(cè)試發(fā)現(xiàn)所獲取的結(jié)果主要依賴于三個(gè)因素：模型構(gòu)建的數(shù)據(jù)集的質(zhì)量、所調(diào)整的模型參數(shù)和用于計(jì)算模型處理結(jié)果的評(píng)價(jià)標(biāo)準(zhǔn)。在總結(jié)中，我們指出判斷這些預(yù)測(cè)模型測(cè)試結(jié)果的好壞所影響的因素。

2統(tǒng)計(jì)學(xué)習(xí)中的典型算法

支持向量機(jī)和k近鄰都是統(tǒng)計(jì)學(xué)習(xí)中的典型算法。支持向量機(jī)是從統(tǒng)計(jì)學(xué)習(xí)理論思想的一種實(shí)現(xiàn)，其工作是從數(shù)據(jù)集中建立具有一致性的評(píng)價(jià)器。支持向量機(jī)關(guān)系的問(wèn)題是：一個(gè)模型如何根據(jù)僅僅給出的特征集和訓(xùn)練數(shù)據(jù)集在未知的數(shù)據(jù)集中進(jìn)行預(yù)測(cè)？在算法上，支持向量機(jī)通過(guò)解決約束二次優(yōu)化問(wèn)題在數(shù)據(jù)集中建立最佳的分界線。通過(guò)使用不同的核心函數(shù)，可以使模型包含不同程度的非線性和靈活性。因?yàn)樗麄兛梢詮牟煌母呒?jí)統(tǒng)計(jì)思想中衍生出來(lái)，并且在模型計(jì)算時(shí)不會(huì)出現(xiàn)統(tǒng)計(jì)錯(cuò)誤，因此支持向量機(jī)在過(guò)去的幾年都引起了大量的研究者的興趣。支持向量機(jī)的劣勢(shì)在于分類的是純粹的二分法，不會(huì)給出潛在的其他類別。K近鄰算法與其他方法不同的是k近鄰算法把數(shù)據(jù)直接用于分類，而且并不需要預(yù)先構(gòu)建模型。這樣便不需要考慮模型構(gòu)建的細(xì)節(jié)，并且在算法中需要考慮調(diào)整的參數(shù)只有k，其中k是在評(píng)估類別時(shí)候需要包含的近鄰的數(shù)量：p(y|x)的計(jì)算值是在x的k近鄰中屬于y類別的成員數(shù)量的比值。通過(guò)改變k，模型的靈活性可以相對(duì)提高和降低。k近鄰與其他算法相比的優(yōu)勢(shì)在于近鄰可以提供分類結(jié)果的解釋，在黑盒模型不足的時(shí)，這種基于實(shí)例的解釋更具有優(yōu)勢(shì)。而k近鄰的主要缺點(diǎn)在于近鄰的計(jì)算中：為了計(jì)算近鄰需要定義一個(gè)量度計(jì)算不同原子數(shù)據(jù)之間的距離。在大部分應(yīng)用領(lǐng)域中，如何這種方式定義的量度并不清晰，只能通過(guò)嘗試和失敗，根據(jù)相對(duì)重要的并不確定是否能反應(yīng)量度的數(shù)據(jù)來(lái)定義量度。

摘要根據(jù)現(xiàn)代控制技術(shù)的人工神經(jīng)網(wǎng)絡(luò)理論提出了一種保護(hù)原理構(gòu)成方案，并分析了原理實(shí)現(xiàn)的可行性和技術(shù)難點(diǎn)。

人工神經(jīng)網(wǎng)絡(luò)(AartificialNeuralNetwork，下簡(jiǎn)稱ANN)是模擬生物神經(jīng)元的結(jié)構(gòu)而提出的一種信息處理方法。早在1943年，已由心理學(xué)家WarrenS.Mcculloch和數(shù)學(xué)家WalthH.Pitts提出神經(jīng)元數(shù)學(xué)模型，后被冷落了一段時(shí)間，80年代又迅猛興起［1］。ANN之所以受到人們的普遍關(guān)注，是由于它具有本質(zhì)的非線形特征、并行處理能力、強(qiáng)魯棒性以及自組織自學(xué)習(xí)的能力。其中研究得最為成熟的是誤差的反傳模型算法(BP算法，BackPropagation)，它的網(wǎng)絡(luò)結(jié)構(gòu)及算法直觀、簡(jiǎn)單，在工業(yè)領(lǐng)域中應(yīng)用較多。

經(jīng)訓(xùn)練的ANN適用于利用分析振動(dòng)數(shù)據(jù)對(duì)機(jī)器進(jìn)行監(jiān)控和故障檢測(cè)，預(yù)測(cè)某些部件的疲勞壽命［2］。非線形神經(jīng)網(wǎng)絡(luò)補(bǔ)償和魯棒控制綜合方法的應(yīng)用(其魯棒控制利用了變結(jié)構(gòu)控制或滑動(dòng)?？刂?，在實(shí)時(shí)工業(yè)控制執(zhí)行程序中較為有效［3］。人工神經(jīng)網(wǎng)絡(luò)(ANN)和模糊邏輯(FuzzyLogic)的綜合，實(shí)現(xiàn)了電動(dòng)機(jī)故障檢測(cè)的啟發(fā)式推理。對(duì)非線形問(wèn)題，可通過(guò)ANN的BP算法學(xué)習(xí)正常運(yùn)行例子調(diào)整內(nèi)部權(quán)值來(lái)準(zhǔn)確求解［4］。

因此，對(duì)于電力系統(tǒng)這個(gè)存在著大量非線性的復(fù)雜大系統(tǒng)來(lái)講，ANN理論在電力系統(tǒng)中的應(yīng)用具有很大的潛力，目前已涉及到如暫態(tài)，動(dòng)穩(wěn)分析，負(fù)荷預(yù)報(bào)，機(jī)組最優(yōu)組合，警報(bào)處理與故障診斷，配電網(wǎng)線損計(jì)算，發(fā)電規(guī)劃，經(jīng)濟(jì)運(yùn)行及電力系統(tǒng)控制等方面［5］。

本文介紹了一種基于人工神經(jīng)網(wǎng)絡(luò)(ANN)理論的保護(hù)原理。

1人工神經(jīng)網(wǎng)絡(luò)理論概述

人工神經(jīng)網(wǎng)絡(luò)理論（ArtificalNeuralNetworkstheory,ANN）是80年代中后期在世界范圍內(nèi)迅速發(fā)展起來(lái)的一個(gè)前沿研究領(lǐng)域。人工神經(jīng)網(wǎng)絡(luò)是一種有自組織、自學(xué)習(xí)能力的網(wǎng)絡(luò)系統(tǒng)，它的應(yīng)用對(duì)各門學(xué)科都產(chǎn)生了重要的影響。目前，ANN理論的研究取得了令人矚目的進(jìn)展。由于其具有非線性、高維性、大規(guī)模并行處理、信息的分布或儲(chǔ)存、聯(lián)想、記憶和容錯(cuò)等特征，在預(yù)測(cè)具有高復(fù)雜程度的非線性時(shí)間序列問(wèn)題方面明顯優(yōu)于傳統(tǒng)預(yù)測(cè)方法。

水工隧洞一般都有過(guò)水要求，加上其復(fù)雜的地質(zhì)條件，因此正確的進(jìn)行圍巖分類后采取相應(yīng)的支護(hù)措施將對(duì)保證隧洞穩(wěn)定性起決定性的作用。圍巖分類是一類非線性的綜合判定問(wèn)題，用人工神經(jīng)網(wǎng)絡(luò)方法來(lái)判別水工隧洞圍巖類別是一種新的嘗試和新的方法。

1．圍巖分類的判定依據(jù)

水工隧洞圍巖工程地質(zhì)分類應(yīng)以控制圍巖穩(wěn)定的巖石強(qiáng)度、巖體完整程度、張開(kāi)度、地下水力狀態(tài)和主要結(jié)構(gòu)面產(chǎn)狀等五項(xiàng)因素綜合評(píng)分為依據(jù)，圍巖強(qiáng)度應(yīng)力比為限定依據(jù)，見(jiàn)表1。

表1圍巖工程地質(zhì)分類依據(jù)

指標(biāo)名稱評(píng)價(jià)因素

目前，國(guó)內(nèi)外用于城市用水量短期預(yù)測(cè)的方法多為時(shí)間序列分析法并采用多種預(yù)測(cè)模型，但都存在計(jì)算比較復(fù)雜、費(fèi)時(shí)、預(yù)測(cè)精度較差等問(wèn)題。

現(xiàn)通過(guò)對(duì)時(shí)用水量變化規(guī)律的研究，提出以神經(jīng)網(wǎng)絡(luò)法預(yù)測(cè)城市短期用水量。

1城市供水管網(wǎng)用水量變化規(guī)律

在我國(guó)城市供水系統(tǒng)中，用水量一般包括居民生活用水、工礦企業(yè)生產(chǎn)用水和公共事業(yè)用水等。同一城市在一天內(nèi)的不同時(shí)段，用水量會(huì)發(fā)生顯著變化。

雖然城市用水量的變化受氣候、生活習(xí)慣、生產(chǎn)和生活條件等諸多因素的影響，變化情況也較為復(fù)雜，但通過(guò)分析不難發(fā)現(xiàn)：城市用水量曲線呈現(xiàn)三個(gè)周期性的變化，即：一天(24h)為一個(gè)周期、一星期(7d)為一個(gè)周期、一年(365d)為一個(gè)周期，并受增長(zhǎng)因素(人口增長(zhǎng)，生產(chǎn)發(fā)展)的影響。若將預(yù)測(cè)時(shí)段取為1h，則季節(jié)因素和增長(zhǎng)因素的影響就顯得十分緩慢，因此管網(wǎng)時(shí)用水量的變化具有兩個(gè)重要特征：隨機(jī)性和周期性。

2人工神經(jīng)網(wǎng)絡(luò)模型

一、化工企業(yè)安全管理評(píng)價(jià)體系

1評(píng)價(jià)體系建立的原則依據(jù)化工行業(yè)的安全評(píng)價(jià)體系依賴于化工行業(yè)的生產(chǎn)實(shí)際情況，利用模糊評(píng)判模型方法及層次分析法進(jìn)行綜合分析。綜合分析依賴于3個(gè)方面：（1）化工企業(yè)安全文化評(píng)價(jià)指標(biāo)；（2）化工企業(yè)安全文化指標(biāo)；（3）化工企業(yè)安全文化指標(biāo)權(quán)重。對(duì)于要構(gòu)建的化工企業(yè)安全管理評(píng)價(jià)指標(biāo)體系這樣一個(gè)復(fù)雜的工程，要求涵蓋現(xiàn)在化工企業(yè)安全管理的多方面內(nèi)容。我們這里從六個(gè)方面來(lái)構(gòu)建：（1）企業(yè)安全物質(zhì)文化；（2）企業(yè)安全行為文化；（3）企業(yè)安全制度文化；（4）企業(yè)安全觀念文化；（5）企業(yè)系統(tǒng)文化的持久性；（6）企業(yè)系統(tǒng)文化的開(kāi)放性來(lái)建立安全管理評(píng)價(jià)體系，該管理評(píng)價(jià)體系又從這6個(gè)方面細(xì)化為多個(gè)條款，依據(jù)現(xiàn)有的法律、法規(guī)以及國(guó)家規(guī)范對(duì)每個(gè)評(píng)價(jià)指標(biāo)做了闡釋，確定各個(gè)條款在這個(gè)評(píng)價(jià)體系中占的權(quán)值。2建立化工企業(yè)評(píng)價(jià)指標(biāo)的意義和方法現(xiàn)代化工企業(yè)和其他行業(yè)一樣處于各行各業(yè)飛速發(fā)展的信息時(shí)代，安全評(píng)價(jià)體系建設(shè)工作是直接影響化工行業(yè)發(fā)展的大事。安全評(píng)價(jià)指標(biāo)體系的完善程度關(guān)系化工企業(yè)的發(fā)展，現(xiàn)代化管理是否達(dá)標(biāo)跟上時(shí)代步伐，因此建立化工企業(yè)評(píng)價(jià)指標(biāo)體系意義重大。（1）理論分析化工企業(yè)安全評(píng)價(jià)體系的特點(diǎn)，論述神經(jīng)網(wǎng)絡(luò)技術(shù)在該評(píng)價(jià)體系中的可行性，提出建立基于人工神經(jīng)網(wǎng)絡(luò)的化工企業(yè)安全評(píng)價(jià)體系方法。（2）充分考慮化工生產(chǎn)企業(yè)的多種因素，確定評(píng)價(jià)指標(biāo)各細(xì)則條目，條目要求囊括生產(chǎn)過(guò)程的所有相關(guān)因素。（3）在認(rèn)真總結(jié)前人研究的基礎(chǔ)上，結(jié)合所構(gòu)建的安全評(píng)價(jià)指標(biāo)體系，以及采集到的各生產(chǎn)工段的安全狀況數(shù)據(jù)，構(gòu)建了適于化工企業(yè)安全評(píng)價(jià)的基于神經(jīng)網(wǎng)絡(luò)技術(shù)的BP網(wǎng)絡(luò)非線性模型。

二、人工神經(jīng)網(wǎng)絡(luò)在化工企業(yè)安全管理評(píng)價(jià)體系中的體現(xiàn)

1人工神經(jīng)網(wǎng)絡(luò)技術(shù)在化工企業(yè)安全評(píng)價(jià)中的可行性人工神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)單元是神經(jīng)元，網(wǎng)狀連接的神經(jīng)元模擬人的大腦活動(dòng)方式來(lái)處理數(shù)據(jù)信息，這些信息是并行出來(lái)的，其網(wǎng)絡(luò)結(jié)構(gòu)像一個(gè)復(fù)雜局域網(wǎng)的拓?fù)鋱D，進(jìn)行非線性的信息處理和傳輸。人工神經(jīng)網(wǎng)絡(luò)就像人的大腦一樣進(jìn)行活動(dòng)，接受外界來(lái)的信息后訓(xùn)練神經(jīng)網(wǎng)絡(luò)，這些神經(jīng)網(wǎng)絡(luò)模型邊學(xué)習(xí)、邊適應(yīng)、聯(lián)想記憶，模擬的神經(jīng)網(wǎng)絡(luò)模型避開(kāi)復(fù)雜的數(shù)學(xué)運(yùn)算，在非完善數(shù)學(xué)模式的狀態(tài)下取得較為理想的分析效果。如今神經(jīng)網(wǎng)絡(luò)技術(shù)在多個(gè)領(lǐng)域受到學(xué)術(shù)研究和技術(shù)應(yīng)用的青睞，應(yīng)用在模式識(shí)別、智能控制、虛擬技術(shù)、人工智能等多個(gè)領(lǐng)域。我們知道互聯(lián)網(wǎng)絡(luò)拓?fù)浞譃槎喾N結(jié)構(gòu)，神經(jīng)網(wǎng)絡(luò)模型與之類似也存在多種拓?fù)溥B接方式。2BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)在評(píng)價(jià)體系的設(shè)計(jì)體現(xiàn)BP神經(jīng)網(wǎng)絡(luò)模式是最常用的神經(jīng)網(wǎng)絡(luò)拓?fù)浞绞?。BP網(wǎng)絡(luò)模型模擬人的神經(jīng)網(wǎng)絡(luò)處理信息的機(jī)理是：當(dāng)信號(hào)m進(jìn)入輸入單元，通過(guò)隱單元作用到輸出單元，中間含非線性變換的過(guò)程，從輸出單元輸出信號(hào)n，神經(jīng)網(wǎng)絡(luò)訓(xùn)練任一樣本，樣本包括輸入信號(hào)m和期盼的輸出值k，k與n之間必然存在差異，通過(guò)隱單元的作用減小k和n之間的差異，使誤差降低最低。神經(jīng)網(wǎng)絡(luò)多次進(jìn)行這種訓(xùn)練過(guò)程，差異到最小時(shí)訓(xùn)練終止。BP網(wǎng)絡(luò)模型由4個(gè)模型組成，輸入輸出模型、變換函數(shù)模型、計(jì)算誤差模型和自我訓(xùn)練模型。BP神經(jīng)網(wǎng)絡(luò)在安全評(píng)價(jià)體系中的應(yīng)用：首先確定神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，該結(jié)構(gòu)的層級(jí)是多少，輸入層節(jié)點(diǎn)、輸出層節(jié)點(diǎn)以及隱含層的節(jié)點(diǎn)到底有多少，信息做到具體化。將神經(jīng)網(wǎng)絡(luò)與安全管理評(píng)價(jià)體系中的相關(guān)參數(shù)關(guān)聯(lián)，與評(píng)價(jià)體系關(guān)聯(lián)的參數(shù)的種類、數(shù)量以及特征都有拓?fù)浣Y(jié)構(gòu)建立對(duì)應(yīng)關(guān)系，確定各參數(shù)在管理評(píng)價(jià)體系中的狀態(tài)及表達(dá)方式。篩選學(xué)習(xí)樣本提供給神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，盡量將樣本采集全面，樣本越多越能全面的供神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，盡量把樣本選擇多樣化且有代表性，樣本代表企業(yè)安全生產(chǎn)過(guò)程的各自安全狀態(tài)，樣本的訓(xùn)練過(guò)程其實(shí)也是對(duì)網(wǎng)絡(luò)中節(jié)點(diǎn)間的權(quán)值修正和誤差拉近的過(guò)程。為了降低整個(gè)網(wǎng)絡(luò)的負(fù)責(zé)度級(jí)別，盡量避免選擇高難度的函數(shù)來(lái)作為處理函數(shù)，一般選擇非線性復(fù)雜低的函數(shù)作為神經(jīng)網(wǎng)絡(luò)的作用函數(shù)。安全評(píng)價(jià)知識(shí)庫(kù)是建立安全評(píng)價(jià)體系的集中點(diǎn)，輸入節(jié)點(diǎn)、輸出節(jié)點(diǎn)以及隱含節(jié)點(diǎn)是安全評(píng)價(jià)知識(shí)庫(kù)的要素，賦予網(wǎng)絡(luò)節(jié)點(diǎn)間的權(quán)值也是安全評(píng)價(jià)知識(shí)庫(kù)的要素，這些要素構(gòu)成了系統(tǒng)安全評(píng)價(jià)知識(shí)庫(kù)，為神經(jīng)網(wǎng)絡(luò)活動(dòng)提供支持。聯(lián)系實(shí)際安全生產(chǎn)情況，神經(jīng)網(wǎng)絡(luò)不能脫離實(shí)際情況，在學(xué)習(xí)和訓(xùn)練過(guò)程都要將實(shí)際模擬過(guò)程的特征值導(dǎo)入到神經(jīng)網(wǎng)絡(luò)。依靠前面建立的系統(tǒng)安全評(píng)價(jià)知識(shí)庫(kù)多次進(jìn)行培訓(xùn)學(xué)習(xí)，每次學(xué)習(xí)的結(jié)果數(shù)據(jù)作為新的樣本充實(shí)安全評(píng)價(jià)知識(shí)庫(kù)，整個(gè)過(guò)程形成良性循環(huán)。3人工神經(jīng)網(wǎng)絡(luò)在評(píng)價(jià)體系中的優(yōu)點(diǎn)（1）評(píng)價(jià)處理速度快，基于神經(jīng)網(wǎng)絡(luò)的特征，物理結(jié)構(gòu)是并行的，信息處理方式為并行處理，通過(guò)選擇所有安全評(píng)價(jià)體系中的指標(biāo)內(nèi)容，克服只是片面評(píng)價(jià)的弊端，全面對(duì)化工企業(yè)安全管理評(píng)價(jià)體系和所有影響參數(shù)的狀態(tài)進(jìn)行評(píng)價(jià)。（2）優(yōu)越的自我學(xué)習(xí)能力，利用神經(jīng)網(wǎng)絡(luò)事先構(gòu)建的知識(shí)庫(kù)和所具有的自適應(yīng)能力，通過(guò)不斷訓(xùn)練和學(xué)習(xí)，結(jié)合歷史的案例和現(xiàn)在的新技術(shù)新知識(shí)，建立適應(yīng)當(dāng)前生產(chǎn)實(shí)際的安全管理評(píng)價(jià)體系。（3）人工神經(jīng)網(wǎng)絡(luò)理論具有很強(qiáng)的容錯(cuò)能力，只有作用函數(shù)和數(shù)據(jù)結(jié)構(gòu)選擇恰當(dāng)才能利用神經(jīng)網(wǎng)絡(luò)的特性進(jìn)行分析處理，得到當(dāng)前系統(tǒng)安全狀態(tài)的評(píng)價(jià)值?；谏窠?jīng)網(wǎng)絡(luò)的評(píng)價(jià)方式雖然有很多優(yōu)點(diǎn)，但是一些有代表性的評(píng)價(jià)方法如AHP方法，F(xiàn)uzzy評(píng)價(jià)方法也具備其存在的空間和價(jià)值?；谏窠?jīng)網(wǎng)絡(luò)的評(píng)價(jià)方法是通過(guò)這些傳統(tǒng)有代表性的評(píng)價(jià)方法總結(jié)學(xué)習(xí)達(dá)到目的的。如果評(píng)價(jià)指標(biāo)體系中某個(gè)參數(shù)發(fā)生變化時(shí)，先利用傳統(tǒng)的評(píng)價(jià)方式獲得評(píng)價(jià)樣本，神經(jīng)網(wǎng)絡(luò)借助于這些評(píng)價(jià)樣本進(jìn)一步通過(guò)學(xué)習(xí)訓(xùn)練達(dá)到建立完善安全管理評(píng)價(jià)體系的目的。

三、結(jié)語(yǔ)

化工企業(yè)是高危行業(yè)，規(guī)模越大，生產(chǎn)手段越先進(jìn)其安全問(wèn)題涉及的人身及國(guó)家財(cái)產(chǎn)問(wèn)題范圍更廣?；て髽I(yè)建立安全管理評(píng)價(jià)體系，有助于主管部門進(jìn)一步掌握化工企業(yè)安全管理的發(fā)展趨勢(shì)，并可為制定宏觀政策提供決策依據(jù)，運(yùn)用新的人工神經(jīng)網(wǎng)絡(luò)科學(xué)技術(shù)完善安全管理評(píng)價(jià)體系的結(jié)構(gòu)，使化工企業(yè)管理走向規(guī)范化、科學(xué)化和系統(tǒng)化，使化工企業(yè)走上良性發(fā)展的道路。

一、落實(shí)“三基三嚴(yán)”培訓(xùn)計(jì)劃，注重護(hù)理人才培養(yǎng)，護(hù)理人員素質(zhì)普遍有所提高。

1、對(duì)各級(jí)護(hù)理人員按“三基三嚴(yán)”培訓(xùn)計(jì)劃進(jìn)行規(guī)范化培訓(xùn)，強(qiáng)化輪轉(zhuǎn)護(hù)士低年資護(hù)士的培訓(xùn)，月考評(píng)、季度考評(píng)及年終考評(píng)均達(dá)到質(zhì)量要求，其中優(yōu)秀人，良好人，合格人。

2、每周晨會(huì)提問(wèn)2次，內(nèi)容為基礎(chǔ)理論知識(shí)、院內(nèi)感染知識(shí)和?？浦R(shí)回答合格率在95%以上。

3、進(jìn)一步完善并反復(fù)強(qiáng)化學(xué)習(xí)《護(hù)理緊急風(fēng)險(xiǎn)預(yù)案》，并運(yùn)用于實(shí)際工作中，對(duì)每一次應(yīng)急處理工作之后都進(jìn)行了回顧性評(píng)價(jià)，總結(jié)經(jīng)驗(yàn)教訓(xùn)，使全科護(hù)士的應(yīng)急能力有了明顯提高。

4、組織全科護(hù)士學(xué)習(xí)醫(yī)院護(hù)理核心制度并進(jìn)行了考核，參加醫(yī)院組織的3次核心制度考核全員合格，同時(shí)加強(qiáng)護(hù)理相關(guān)法律法規(guī)的學(xué)習(xí)。

5、有2名護(hù)士參加了護(hù)理自學(xué)考試，在排班上給予方便考慮，2人共有10門課程合格。

各位領(lǐng)導(dǎo)、同事：

大家好，在這歲末迎新的時(shí)刻，我就擔(dān)任神經(jīng)內(nèi)科護(hù)士長(zhǎng)這兩年的工作，做如下總結(jié)：

一、在科主任及護(hù)理部的領(lǐng)導(dǎo)下，全面負(fù)責(zé)產(chǎn)房的行政管理和護(hù)理質(zhì)量管理工作。

二、按護(hù)理部及產(chǎn)科質(zhì)量管理要求，負(fù)責(zé)制訂護(hù)理工作計(jì)劃并組織實(shí)施，定期或不定期督促檢查各項(xiàng)規(guī)章，各班崗位職責(zé)以及各項(xiàng)護(hù)理技術(shù)操作規(guī)范的執(zhí)行落實(shí)情況，并及時(shí)總結(jié)講評(píng)，不斷提高護(hù)理質(zhì)量。

三、根據(jù)產(chǎn)房的工作任務(wù)和助產(chǎn)士的具體情況，優(yōu)化護(hù)理力量的組合，進(jìn)行科學(xué)合理的排班，制定各班崗位職責(zé)。

四、組織業(yè)務(wù)學(xué)習(xí)和專業(yè)技能的培訓(xùn)，定期提問(wèn)或采用其它形式考核，并做好獎(jiǎng)懲考核工作。