BP神经网络构建与优化的研究及其在医学统计中的应用

摘要

该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.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.

目录

ABSTRACT

第一章引言

一、研究背景

1.概念、历史发展及医学方面的应用

2.与传统统计学方法的比较研究

3.实际应用中的问题

4.本文重点探讨的领域

二、研究目的和方法

1.研究目的

2.研究方法

3.资料来源和分析工具

第二章BP网络原理和算法改进

一、BP网络结构和原理的简介

二、BP算法的局限和改进

三、学习过程的统计描述

第三章BP网络应用中的问题---构建与优化的研究

第一节对无隐含层BP网络的研究

一、网络结构设计的一般过程

二、网络训练过程

三、ANN模型的评价指标

四、输出为连续变量的单层BP模型的构建---模拟1

五、输出为两值变量的单层BP网络模型---模拟2

六、ANN模型参数的选择

七、讨论和小结

第二节隐含层的功能和隐单数量的探讨

一、隐含层的功能的说明

二、隐含层和隐单元的数量

三、用信息熵确定隐单元数的研究

四、加入隐含层的BP网络模型---模拟3

五、加入隐含层的BP网络模型---模拟4

六、小结

第三节修剪算法应用研究

一、修剪算法(pruning algorithms)的原理和步骤介绍

二、单层BP网络修剪和变量筛选关系的研究

三、多层BP网络的修剪效果

四、小结

第四章实例分析(一)---临床预后诊断的ANN分析

一 样本采集

二 BP网络结构和训练

三Logistic回归模型分析

四 BP模型分析

(一)利用单层BP网络进行探查危险因素

(二)有隐含层的BP网络的判别表现

五结果讨论

第五章 实例分析(二)---生存资料的预后分析

一 生存资料的BP模型

二 资料来源

三Logistic回归分析

四 BP网络模型的建立和结果

(一)利用单层网络进行危险因素筛选

(二)多层BP网络对预后的预测

(三)结果讨论

第六章研究总结

一 讨论

二 总结

三 创新点和进一步研究的方向

参考文献：

致谢

综述:人工神经网络简介及其在预防医学中的应用前景

前言

一、人工神经网络概述

二、人工神经网络的学习规则

三、人工神经网络在医学领域的应用

四、人工神经网络在预防医学领域的应用及展望

参考文献

论文独创性声明及论文使用授权声明