基于神经网络的大学生心理障碍诊断专家系统.docVIP

基于神经网络的大学生心理障碍诊断专家系统 摘要：目前大学生的心理障碍问题已引起了社会的广泛关注，但各高校解决该问题的途径有限，还得不到预期的效果。为使该问题能得到改善，借助神经网络专家系统，把国内外的心理学专家的经验尽可能全面导入到大学生心理障碍诊断专家系统中，全方面检测大学生心理状况并及时给出诊断结果，为完善大学生心理健康教育提供便利。 关键词：神经网络 心理障碍 专家系统 中图分类号：g64 文献标识码：a 文章编号：1007-9416(2012)02-0174-02 人工神经网络技术的兴起为知识获取开辟了一条新途径。它通过模拟人脑的神经网络结构形式，建立各种网络模型，进行信息处理达到解决问题的目的。如bp网络模型就能通过大量的训练例子，经过学习获取知识[1]。 目前高校在大学生心理健康教育领域只是通过学校的心理辅导老师或医院的心理学专家给予咨询指导，但是由于经验水平不一，层次不同，达不到预期的效果。而利用神经网络专家系统能够进行复杂的模式识别和完成规则复杂、无法预先确定化的任务。文章试图借助神经网络专家系统全面综合国内外心理学专家的经验，全方面检测大学生心理状况并及时给出诊断方案。 1、人工神经网络的基本思想 人工神经网络（artificial neural networks，简记作ann），是对人类大脑系统的一阶特性的一种描述[1]。简单地讲，它是一个数学模型，可以用电子线路来实现，也可以用计算机程序来模拟，是人工智能研究的一种方法[1]。人工神经网络的功能特性由其连接的拓扑结构和突触连接强度，即连接权值决定。神经网络全体连接权值的可用一个矩阵w表示，它的整体反映了神经网络对于所解决问题的知识存储。神经网络能够通过对样本的学习训练，不断改变网络的连接权值以及拓扑结构以使网络的输出不断地接近期望的输出。这一过程称为神经网络的学习或训练，其本质是可变权值的动态调整。神经网络的学习方式是决定神经网络信息处理性能的第三大要素，因此有关学习的研究在神经网络研究中具有重要地位。改变权值的规则称为学习规则或学习算法，在单个处理单元集体进行权值调整时，网络就呈现出“智能”特性，其中有意义的信息就分布地存储在调节后的权值矩阵中。 2、bp神经网络模型的原理和结构 bp（back propagation）神经网络是由rumelhart和mccelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一[3]。bp网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。bp神经网络模型拓扑结构包括输入层（input）、隐层（hide layer）和输出层（output layer）（如图1所示）。 fig1 bp neural network structure bp网络的原理是把一个输入矢量经过隐层变换成输出矢量，实现从输入空间到输出空间的映射。由权重实现正向映射，利用当前权重作用下网络的输出与希望实现的映射要求的期望输出进行比较来学习的。但要深入了解我们就先要了解一下bp网络学习算法——反传学习算法（即bp算法）。对于输入信号，要先向前传播到隐层节点，经作用函数后，再把隐节点的输出信号传播到输出节点，最后给出输出结果。节点的作用的激励函数通常选取s型函数，如，式中q为调整激励函数形式的sigmoid参数。该算法的学习过程由正向传播和反向传播组成。正向传播时，传播方向为输入层→隐层→输出层，每层神经元的状态只影响下一层神经元。若在输出层得不到期望的输出，则转向误差信号的反向传播流程，将误差信号沿原来的连接通道返回，通过修改各层神经元的权值，使得误差信号最小。通过这两个过程的交替进行，在权向量空间执行误差函数梯度下降策略，动态迭代搜索一组权向量，使网络误差函数达到最小值，从而完成信息提取和记忆过程。bp模型把一组样本的i/o问题变为一个非线性优化问题，它使用的是优化中最普通的梯度下降法。 3、大学生心理障碍诊断专家系统 有关研究和统计结果表明，大学生在心理上的确存在着一系列的不良反应和适应障碍，有的甚至到了极为严重的程度，因心理疾病而休学、退学甚至伤人、自杀的比率近几年呈上升趋势。心理疾病主要是由心理因素造成的。对此，我们设计此诊断专家系统，使大学生可以及时了解自己心理健康状态，为大学生心理健康成长提供有力帮助[4]。 鉴于篇幅原因，以从五个特征识别大学生常见心理疾病为例，说明模型服务的开发过程。输入的五个特征包括：行为举止、情绪状态、饮食睡眠、性格特征、躯体疾病，选择大学生常见的四种心理疾病作为训练，构造心理疾病识别神经网络。在实际中的心理疾病的特征要复