本系统为作者开发的基于音、视频传输的装备远程诊断系统。其实现的主要功能是:进 行远程点对点的视频、音频和文本交流。系统采用点对点的信息传送方式，其两端是完全对 等的，因此不需要单独设置服务器，只要交互的两端该程序均处于运行状态，就可以通过IP 发送连接请求，连接建立后，就可以进行音频、视频和文本交互。

MATLAB SIMULINK

产科DIC的诊断处理学习教案.ppt

24小时动态血压监测全自动智能诊断系统的开发.pdf

失眠的诊断及处理参考.pdf

头痛的诊断思路参考.pdf

四川省绵阳市高三第二次诊断性测试-理综-含答案

寿命预测与故障诊断作为复杂装备系统可靠性分析中的两类重要问题，基于数据驱动的机器学习分析方法具有良好的 工程效果；文章系统地从故障预测与寿命估算及后续健康管理的实际工程需求出发，深入分析该类型系统因性能衰退出现的早期 故障诊断与维护时间确定的共性难点问题并深度挖掘其所对应的关键科学问题，对机器学习算法在其中的应用与研究进行综述， 重点阐述了人工神经网络、支持向量机等机器学习算法，对于完善可靠性分析方法，进一步推动机器学习算法在可靠性工程领域 的运用具有一定的指导意义。

现有训练集数据，1000 × 7，如下： xxxxxxxxxxxxxxxxxxxx 有测试集数据，100 × 7，如下： xxxxxxxxxxxxxxxxxxxx 以上数据分别是从某系统采集的数据，  训练数据集中，分别是采集的数据和标注结果，其中1、2分别表示该系统有无故障；  测试数据集中，分别是采集的数据和真实结果，其中1、2分别表示该系统有无故障； 现在需要使用训练数据集训练BP神经网络，然后用训练好的神经网络对测试数据集进行测试，并与真实结果进行对比，最终分析出神经网络的性能。 % --- Executes on button press in pushbutton6. function pushbutton6_Callback(hObject, eventdata, handles) % hObject handle to pushbutton6 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) global output_test inputn_train outputn_train inputn_test ... outputps BPoutput_test xunlian_num Error input_train output_train %创建网络 %获得gui_set中值 num_yinhan=str2num(get(findobj('tag','edit_yinhan'),'string')); TF=get(findobj('tag','transfer'),'string'); %传递函数 valueTF=get(findobj('tag','transfer'),'value'); TF=TF{valueTF}; BTF=get(findobj('tag','train'),'string'); %训练函数 valueBTF=get(findobj('tag','train'),'value'); BTF=BTF{valueBTF}; BLF=get(findobj('tag','learn'),'string'); %学习函数 valueBLF=get(findobj('tag','learn'),'value'); BLF=BLF{valueBLF}; tic;%启动一个定时器 net=newff(inputn_train,outputn_train,num_yinhan,{TF},BTF,BLF); net.trainParam.epochs=str2num(get(findobj('tag','cishu'),'string')); net.trainParam.goal=str2num(get(findobj('tag','goal'),'string')); net.trainParam.lr=str2num(get(findobj('tag','rate'),'string')); net=train(net,inputn_train,outputn_train); an=sim(net,inputn_test); t=toc;%关闭定时器，获取程序运行时间 %网络输出反归一化

etct对spn的诊断与鉴别诊断.ppt