邓伟[1]2002年在《BP神经网络构建与优化的研究及其在医学统计中的应用》文中研究指明人工神经网络是一门新兴的边缘学科，与传统医学统计方法相比，人工神经网络不需要精确的数学模型，没有任何对变量的假设(如正态性、独立性等)要求，因此可以弥补传统统计方法的不足，解决一些用传统统计方法不能解决的问题。 人工神经网络的应用已经逐渐进入医学领域。对医学工作者而言，如何构建网络模型，使之具有较好的推广能力，解决实际问题是他们所关心的重点。本文针对在医学领域应用最广的BP神经网络展开研究，介绍了BP网络的基本原理，并从统计学的角度对学习过程进行描述。结合数据模拟通过对BP网络的构建、训练、优化和评价进行讨论，提出一些简易可行的网络优化方法，如如何确定隐单元数、通过修剪对网络进行简化以提高网络性能、提前终止训练等，并探讨它们的统计学应用和联系。 我们通过构造无隐含层的单层BP网络，对网络构建的一般原则、训练过程、评价指标进行总结，这些原则对多层BP网络也同样适用，对实际工作者具有指导意义。由于单层BP网络在医学危险因素筛选方面具有特殊的意义，我们对单层网络训练的样本大小要求进行模拟研究，而在此以前，国外只针对多层网络的训练样本提出过要求。模拟结果显示，训练样本大小与连接权数的比为10：1时，即可获得具有一定推广能力的网络模型。 我们对多层BP网络中隐单元的功能进行描述，并引入信息论的观点，提出一种应用信息熵估计隐单元数的方法。通过数据模拟与现有几种隐单元数确定方法的效果进行比较，熵法构造的模型的判别效果优于其它隐单元数模型。 探讨修剪算法对网络结构优化的作用以及它的实际意义。我们将修剪算法引入医学多因素资料的分析；首次探讨了单层网络中的修剪算法在变量筛选方面的作用，提出修剪后的单层BP网络模型的连接权与回归系数具有相同的含义，为医学研究中危险因素的筛选提供了一个新的途径。 将前面提出的网络构建和优化的原理，包括隐单元数目的估计，修剪算法、提前终止训练等进一步应用于预后资料的实例分析中，并与传统医学统计方法比较。 本研究创新之处在于: l)将信息论中的嫡引入网络模型构建，提出一种新的隐单元计算方法:根 据信息嫡估计隐单元数，在数据模拟和实际应用中取得较好的效果。 2)首次将网络修剪算法应用到医学多元资料的分析中，并对修剪算法与传 统统计学的联系进行探讨，实现了在网络训练中进行变量筛选。 3)通过模拟，对单层神经网络训练所需的样本含量进行初步探讨，提出最 低样本含量的要求。 由于时间和搜集的资料的限制，实例应用中对生存资料的分析仅限于单一时间点模型，未对其他模型进行深入探讨，对删失数据在神经网络中的处理也没有进一步研究。此外，对信息嫡估计隐单元数的方法还要进行更大规模的模拟，以进一步证实。
李丽霞[2]2002年在《BP神经网络及其在疾病预后分类问题中的应用》文中研究表明近年来，人工神经网络的研究越来越受到人们的注目，其中BP神经网络是一种单向传播的多层前馈网络，它采用典型的有教师学习方式来进行预测和分类问题的处理。一个训练好的BP网络，理论上能够逼近任何自变量(网络的输入)和应变量(网络的输出)之间的函数关系。该模型在应用中自变量可以是连续的，也可以是离散的，不需要考虑自变量是否满足正态性及变量间独立等条件，可以识别变量间复杂的非线性关系，尤其是用现有统计方法无法达到目的或效果不好时，采用此模型往往收到很好的效果。 本文将BP神经网络用于胆汁性肝硬化病人预后的判别分类问题中，采用Levenberg-Marquardt优化算法来避免BP算法收敛速度慢的缺点，针对含隐层的BP网在训练过程中常常存在过度拟合(over-fitting)，难以选择最优模型的问题，采用了“早停止”(early-stopping)策略。实例分析中，把BP神经网络和Logistic回归作比较，发现BP神经网络在回代和前瞻性考核中都取得较好的结果，因此BP神经网络方法值得在医学研究、特别是判别分析、生存分析领域进一步应用并推广。
徐富强[3]2011年在《神经网络组合预测模型及其在房价趋势分析中的应用》文中指出房价一直是社会关注的热点问题。由于房地产市场是一个高度复杂的非线性系统,因此,对房价趋势变化这一复杂特征的精确描绘显得日益重要。同时,房价的预测也越来越引起人们的关注,如何选取合适的预测模型去预测价格的走势,已成为当务之急。针对多因素影响下的目标值预测,人工神经网络表现出良好的非线性映射能力、泛化能力和容错能力。它非常适用于具有非线性、时变性和不确定性的多因素复杂系统的预测问题。本文将神经网络与基于L1范数的加权几何平均的组合预测理论相结合,并有效地应用到合肥市住宅商品房价格趋势预测。主要完成了以下几方面工作：首先,对影响房价的多个因素利用EVIEWS软件采用最小二乘法进行统计分析,从初步确定的七个影响因素中去除对目标值影响较小的“已完成住宅投资”因素；其次,运用分析后的数据分别建立BP神经网络、E1man神经网络、灰色神经网络和支持向量机模型；最后,利用单一预测模型的预测值与实际值的误差,建立基于L1范数的加权几何平均的非线性组合预测模型。求解模型,得到4种单项预测模型在组合预测中所占权重依次分别为0.32,0.23,0,0.45。表明灰色神经网络模型较其它叁种预测模型误差较大,组合模型对误差较大模型不敏感。利用建立的组合模型进行预测,经过误差对比分析,组合预测比任何一种单项预测都明显地减小了误差,预测效果较好,并对未来房价趋势做了有效预测。
桑松[4]2002年在《船型方案论证与智能决策方法研究》文中研究表明船型方案论证是一个多准则、多目标的决策过程，过去主要靠设计者的经验来完成，船舶工程系统设计基本上还是一种经验设计，这使得最终的决策结果难免带有由于决策者的主观臆断性而可能造成的系统误差。随着现代科学技术的发展，基于人工智能的现代决策方法和理论得到了迅速的发展，并且已经应用于生产和社会活动中的各个方面。在船舶工程领域，采用系统科学的优化方法和智能决策理论等方面的研究已经陆续出现，并且取得了令人瞩目的研究成果。70年代决策支持系统概念的提出将决策理论推向了一个新的发展高潮，已经成为用于管理的一种新型计算机信息系统并已发展成为系统工程、管理科学以及人工智能等领域十分活跃的研究课题，常用于解决半结构化和非结构化的复杂信息系统决策问题。90年代初出现的新型决策支持技术——基于数据仓库的联机分析处理和数据挖掘技术又在原有决策支持理论基础之上增强了数据清理、抽取、转化和分析的功能，在处理海量数据信息时显示出独特的优点，同时也指明了决策支持理论和方法未来研究发展方向。 船型主尺度要素的建立，以前主要采用的是基于数理统计理论的回归分析方法，如多元回归分析方法和逐步回归分析方法等，它是建立在大量现有实船数据的基础之上，对船型主尺度要素、空船重量、舱容、稳性和造价等要素进行统计回归。近些年来，随着神经网络计算和人工智能技术的出现，采用BP神经元网络进行数据预测和仿真等方面研究逐渐增多并逐步应用于各个工程领域，取得了一定的科研成果。但BP网络在用于函数逼近时，权值的调节采用的是负梯度下降法，这种调节方法有它的局限性，如收敛速度慢和容易陷入局部极小等缺点。本论文采用在逼近能力、分类能力和学习速度等方面均优于BP网络的另一种网络模型——径向基函数网络(RBF)进行船型主尺度要素数学建模预测并进行了敏感性分析。 在船型技术经济论证和船舶运输系统分析中，所面临的经常是一个由相互关联、相互制约的众多因素构成的复杂系统。传统的多准则决策方法采用网格法，即先对船型做多方案技术、经济计算，然后通过综合技术经济分析，在多个船型方案中选出最佳方案。但是这种方法在对船型方案优劣评判时多是凭专家经验判断确定，这就必然影响决策的科学性与合理性。层次分析法(AHP)的应用改善了传统多准则决策方法存在的上述问题，充分发挥了决策者的主观能动性。但该方法在构建判断矩阵时，决策者有时难以辨别决策摘要变量之间的相对重要性程度，而且由于决策者知识结构之间的差异，可能会造成由于决策者的高度卷入而带来的系统误差。针对以上问题，本论文采用改进的层次分析法，将复杂的问题层次化，在每一层次通过两两比较设计判断矩阵，并对判断矩阵进行简化，提高决策者对各目标差异的辨别，从而提高目标权重判断的准确性;同时在多准则决策过程中，本论文给出一种新的决策方法，它是在对指标有偏好信息及客观嫡信息输出权重基础上，以严格的最小二乘法为工具，建立确定指标权重的综合优化模型，并给出模型的精确解，从而为多指标决策问题寻求到一种行之有效的方法。 随着国际船舶航运市场的发展，为了适应船舶装载货物多样化和工作环境恶劣多变的情况，各种特殊船型应运而生，针对特殊船型所做的船型方案决策和技术经济论证等方面工作也逐渐增多。传统的国标法(GB 1 1 697一89)只能对散货船、集装箱船、干货和杂货船、多用途船、油船和滚装船等普通船型进行方案评价，也不能用于海洋工程中浮式结构物的系统论证，故采用GB 1 1 697一89针对上述特殊船型进行船型方案论证和技术经济指标评价显然已不能满足实际工作需求和未来船型发展方向。本论文在GB 1 1 697一89基础上，研究了两种特殊船型一一车辆滚装船和浮式生产储油卸油船(FPSO)的船型要素概况和结构功能特点，同时针对上述两种特殊船型的技术经济指标进行改进以及做相应技术经济论证。实践证明，改进后的指标评价体系不仅能反映船型本身的结构性能特征，而且对原有的国标法评价体系进行了改进和充实，为未来船型发展和技术经济论证开拓了一个新的研究思路。 近年来，随着人工智能技术的发展，与智能技术有关的决策思想被应用到工程实际中的各个领域，智能技术得到了突飞猛进的发展。本论文提出一套用于船舶初步设计的智能决策支持系统理论框架体系模型(工DSS一SPD)，辅助船舶设计者进行科学决策，同时引入数据仓库、联机分析处理和数据挖掘等先进智能决策技术，辅助设计者在获取船型数据信息量有限情况下进行科学决策。
张芝兰[5]2012年在《BP神经网络研究及其在个人信用评估中的应用》文中研究指明随着经济的飞速发展,信用消费浮出水面,住房按揭、汽车贷款、信用卡等个人消费贷款都亟待信用作保,因此个人信用评估对于商业银行控制信贷风险具有重要意义。人工神经网络作为一种旨在模仿人脑结构及其功能的脑式智能信息处理系统,其应用领域日益扩大,潜力日趋明显,在个人信用评估领域也有非常好的应用前景。本文主题是关于神经网络方法的研究及其在个人信用评估中的应用,研究中心是BP神经网络在个人信用评估中的创新应用。针对中心问题,主要做了下面两件事：一是采用了四种不同算法的BP神经网络方法建立模型,并进行了对比研究；二是为了提高BP神经网络的泛化能力,根据BP神经网络的特点提出加权平均BP神经网络模型。人们对BP神经网络的研究比较多,因此其实现算法也比较多。对不同的算法我们不能简单的评价孰优孰劣,而是应该针对不同问题找到一种最适合的方法。在本文中采用了四种训练方法,结果显示,对本文所采用的数据,trainbfg函数和trainlm函数建立的网络对样本的分类结果比由traingdx函数和traincgp函数建立的网络对样本的分类结果要稍胜一筹,尤其是在对测试样本的分类表现中。综合考虑各个方面,由trainlm训练函数建立的BP网络模拟结果相对而言比其他函数要好一些。为了提高BP神经网络的泛化能力,本文提出加权平均BP神经网络方法。这一方法主要基于两方面的考虑：一是要提高网络的泛化能力,就必须充分挖掘样本资料所包含的信息,减少噪声数据对网络的影响；二是BP神经网络在训练时有学习新样本遗忘旧样本的趋势。这一方法的思路是在总训练数据集中采用随机抽取的方式产生n个子训练数据集,然后在每个训练子集的基础上建立一个BP神经网络并将其应用于测试集,最后将n个网络的预测结果进行加权平均作为最后结果。结果显示,这一方法对提高BP神经网络的泛化能力的确是有帮助的。
李锐[6]2008年在《管道缺陷类型判别和参数分析的研究》文中进行了进一步梳理管道漏磁检测技术是当今无损检测技术领域的研究热点之一。漏磁检测技术具有较高的检测可靠性和检测速度,已经被广泛地运用于管道的检测中。本文首先研究了管道漏磁检测原理和当前管道漏磁检测系统中的缺陷判别技术,并分析了模板匹配法缺陷识别的特点和不足。接着从裂纹和孔洞这两种重要缺陷的漏磁信号分析比较入手,探讨并研究了能够区分这两种缺陷的漏磁信号特征量。本文重点对BP和RBF两种神经网络的结构和算法做了详细的研究,并分别利用这两种网络对裂纹和孔洞进行类型判别尝试,对两种网络的识别结果进行比较。结果显示,通过神经网络可以对裂纹和孔洞这两类重要缺陷进行初步的类型判别。其后,本文用实验探讨了人工刻槽深度和长度与漏磁信号的关系,重点研究了与人工刻槽参数有关的漏磁信号特征量。然后,研究采用BP神经网络对人工刻槽参数分析的方法。在MATLAB中建立BP神经网络模型,网络以漏磁信号特征量为输入,刻槽的深度和长度为输出,并利用人工刻槽缺陷来对分析结果进行验证。结果显示,BP神经网络对人工刻槽参数分析具有一定的效果。最后对全文做出了总结,并对管道缺陷类型判别和参数分析的研究进行了展望。
赵振[7]2006年在《Cox比例风险模型与BP神经网络在肝移植受体预后分析中的应用》文中研究表明Cox比例风险模型与BP神经网络在肝移植受体预后分析中的应用 目的：探讨肝移植受体预后的影响因素，比较MELD模型、Cox比例风险模型及BP神经网络对肝移植受体预后的预测性能；利用BP神经网络预测肝移植受体的生存期，为生存期的预测提供新的思路。 方法：采用Cox比例风险模型探讨肝移植受体预后的影响因素，通过比较ROC曲线下面积和一致性指数C判断MELD模型、Cox比例风险模型及BP神经网络的预测性能，通过比较肝移植受体预测生存期与实际生存期判断BP神经网络预测生存期的效果。 结果：影响良性肝移植受体预后的主要因素为：UREA(血清尿素氮)、APTT(活化的部分凝血酶原时间)；影响恶性肝移植受体预后的主要因素为：ALK(碱性磷酸酶)、AFP(甲胎蛋白)、Na(血清钠离子浓度)、NODE1(肿瘤结节数是否为1个)；良性终末期肝病资料与肝脏恶性肿瘤资料均提示：BP神经网络的预测性能优于Cox比例风险模型，Cox比例风险模型的预测性能优于MELD模型；BP神经网络预测的生存期与实际生存期差别无统计学意义。 结论：BP神经网络具有较好的非线性处理能力，对资料的类型限制较少，在生存资料的分析中体现出较好的预测性能，还能解决传统方法很难解决的预测生存期的问题，值得在生存资料的分析中进一步推广应用。
宋昌泽[8]2017年在《改进神经网络算法及其在慢性肾脏病智能诊断中的应用》文中研究表明神经网络首先是由心理学家Mcculloch和数学家Pitts于20世纪40年代共同提出的,他们提出的MP模型拉开了人们研究神经网络的序幕。作为一种新兴学科,涉及到机器学习,统计理论,计算智能等相关知识和理论。目前慢性肾脏病已经成为威胁人类健康的又一大主要疾病,其患病率在全球范围内都呈现不断上升趋势,人类对于慢性肾脏病的认识和研究已经刻不容缓。对于慢性肾脏病的判断一直有很多相关因素的存在,而在医学上,缺少一些能够进行智能诊断的模型和算法。本文利用神经网络技术对慢性肾脏病临床数据进行了分析研究,期望从中发掘出慢性肾脏病的一些影响因素,从而建立相应的分类模型。本文主要完成了下面叁个方面的工作:1.对目前世界国家的慢性肾脏病患病情况进行了分析,结果表明发展中国家在慢性肾脏病的防治与治疗当中花费的人力,财力,物力要高于发达国家,但是大多数发展中国家的人口基数较大,进而造成在慢性肾脏病防治与治疗方面,发达国家的人均花费要高于发展中国家。2.本文对BP神经网络和概率神经网络(PNN)进行了研究,利用遗传算法(GA)、Adaboost算法、佳点集理论对两种神经网络进行了改进得到IGABP模型、IGAPNN模型、Adaboost-BP模型和Adaboost-PNN模型,此外本文还建立了PNN模型、BP模型、SVM模型和C5.0模型作为对比模型。3.利用75%的样本对8个模型进行对比研究,对模型误差进行分析包括最大值、最小值、期望、方差以及运行时间得到Adaboost-PNN模型和IGABP模型的准确性和鲁棒性较好。为了得到更为准确的模型,本文分别用50%、60%、70%、80%、90%的样本作为训练样本对两种模型进行训练,其余的样本作为测试集对Adaboost-PNN模型和IGABP模型进行验证得到两者的分类准确率,当训练集为90%时,两者的准确率达到最高分别是93.23%和91.24%,最终得到Adaboost-PNN模型鲁棒性和准确性最好。
张波[9]2005年在《影像分析技术在疾病监测与诊断中的应用》文中研究说明影像作为人类认识客观世界的主要信息来源,广泛应用于社会生活和科学研究的各个领域。近年来,伴随着计算机技术、影像分析技术和相关科技的不断进步和发展,其在医学领域研究和应用的范围迅速断延伸和扩展,如应用遥感影像监测疾病分布、应用显微影像对细胞进行分类以及应用人工神经网络对医学影像智能诊断与分析等,在疾病的防治中发挥着越来越重要的作用。 钉螺作为日本血吸虫唯一的中间宿主,其分布与其孳生微环境的自然因素关系密切。遥感影像分析技术可以及时、快速地提供地表的地理景观信息,且能反映动态变化,国内外大量的研究表明应用遥感信息绘制疾病中间宿主或媒介生物孳生地的分布比地面调查价廉且准确,因此开展钉螺孳生地的遥感监测研究有非常重要的意义。本研究第一部分收集南京市江宁区2000年螺情资料及同期Landsat7-E7M+遥感影像。提取各钉螺孳生地植被指数(NDVI)和地表温度(LST),用相关分析及多元逐步回归分析方法研究各钉螺孳生地NDVI和LST与钉螺分布之间的关系。分析结果显示:江滩地区钉螺孳生面积(Y_1)与NDVI和LST的极差(Th_v)有关,且存在:Y_1=3.44*N_v+0.615*Th_v+9.553(P<0.01,R~2=0.804)的关系;活螺框出现率(Y_2)与平均NDVI(N_(mean))及LST的极差(Th_v)有关且存在:Y_2=179.902*N_(mean)+7.169*Th_v(P<0.01,R~2=0.759)的关系;钉螺密度(Y_3)与LST的极差(Th_v)、平均NDVI(N_(mean))有关且存在:Y_3=6.3*NDVI_(mean)+0.41Th_v(P<0.01,R~2=0.823)的关系。山区钉螺面积(Y_4)
王宇春[10]2006年在《脉象信号人工智能辨识》文中研究说明脉诊在中医理论与临床诊断中都占有很重要的地位,运用数学分析法判别脉象是近代中医学研究的重要课题之一。本文以中医脉象人工智能辩识的研究与开发为背景,对脉象信号的分析和识别做了研究和探讨。传统的脉象图形数学分析法为时域分析法,对时域内脉象图的特征形参数进行分析研究,寻找出了部分中医脉象的参数定义,解释与疾病的关系。本文将小波分析理论应用于脉象信号的分析和处理,讨论了小波变换对脉象信号除噪的效果,利用小波分析所具有良好的时-频同时局部化的能力和对非平稳信号突变点的检测能力对脉象信号进行了分析和时域特征值的提取,并提取了脉象信号的小波变换在不同尺度上的能量这一新的表征脉象的特征参数。在此基础上提出了利用BP神经网络对健康人和脑血管病人脉象信号进行分类,比较了以脉象信号的频谱能量和以其小波变换高频部分d6尺度上的能量为神经网络输入时的训练结果的差异。尽管文中的训练样本有限,但仿真结果表明:对脉象信号的一些特定的特征值(如原始信号的小波变换在不同尺度上的能量),利用神经网络进行识别是一种可行而有效的方法。最后介绍了基于DSP的脉象信号采集系统的设计。
参考文献：
[1]. BP神经网络构建与优化的研究及其在医学统计中的应用[D]. 邓伟. 复旦大学. 2002
[2]. BP神经网络及其在疾病预后分类问题中的应用[D]. 李丽霞. 山西医科大学. 2002
[3]. 神经网络组合预测模型及其在房价趋势分析中的应用[D]. 徐富强. 安徽大学. 2011
[4]. 船型方案论证与智能决策方法研究[D]. 桑松. 大连理工大学. 2002
[5]. BP神经网络研究及其在个人信用评估中的应用[D]. 张芝兰. 中南大学. 2012
[6]. 管道缺陷类型判别和参数分析的研究[D]. 李锐. 合肥工业大学. 2008
[7]. Cox比例风险模型与BP神经网络在肝移植受体预后分析中的应用[D]. 赵振. 四川大学. 2006
[8]. 改进神经网络算法及其在慢性肾脏病智能诊断中的应用[D]. 宋昌泽. 长春工业大学. 2017
[9]. 影像分析技术在疾病监测与诊断中的应用[D]. 张波. 第四军医大学. 2005
[10]. 脉象信号人工智能辨识[D]. 王宇春. 燕山大学. 2006
标签：医药卫生方针政策与法律法规研究论文; 神经网络算法论文; 网络模型论文; 预测模型论文; 分类数据论文; bp神经网络论文;