全国数学建模优秀获奖论文.docVIP

2007053A肾炎问题模型 摘要 在充分理解题意的基础上，我们提出了合理的假设。通过对问题的深入分析，我们将本题归结为预测问题，建立了BP神经网络模型。通过对的诊断问题，应用神经网络与模糊数学的理论，给出了肾炎的量化诊断方案．首先，建立了BP神经网络模型，使用60组数据的1-25和31-55组作为训练样本，用余下的10组数据对网络性能进行检测．进一步考虑到神经网络与模糊数学各自的特点，将二者有机结合构造了神经模糊系统，并用以上的6个特征对系统进行训练．本文构造的模型具有良好的稳定性，对于模式识别问题具有很强的实用价值，其次本文提出了神经网络和模糊数学深层次结合的方向．接着我们结合现实生活，并对我们的论文进行了优缺点评价。最后在附录中列出了运算数据和主要程序的代码 问题的重述 就诊人员可以通过元素分析可以确定其为肾炎或健康．有表1可以知道肾炎病人和健康人之间的元素差异，并建立相关模型进行预测。另外，要对其结果通过表2进行检验。为了更好的节约时间，把问题合理的简单化，并按上述步骤建模求解。最后，就是对模型的评价和对比。 二 、符号说明与问题假设 2.1 问题假设 1.是否患肾炎仅由该七种元素的含量决定。 2．所给的60组病例具有广泛的代表性． 3．60组诊断所反映的元素分布符合病例的自然分布． 2.2 符号说明 a——输入的训练样本的矩阵； n——输入的训练样本数量； k——输入的训练样本的输出结果； f——输入的待测样本； X——输入的待测样本的输出结果； （其他符号在文中均附有说明）。 问题分析 3.1 问题分析和建模思路 考虑问题的题设和要求，我们要解决的是诊断人员的诊断预测问题。首先，我们要利用已知的信息及其假设，建立BP神经网络模型。然后通过对已知数据的训练，并通过检验来预测第二组数据。其次，由前面可得问题的主要指标，来改进模型和预测。最后，进行模型的对比，模型的评价。 3.2 思路流程图 下面的思路流程图是我们文章结构的一个缩影，它完整而形象的反映了我们文章的建模思路 四、模型的建立和求解 4.1 模型I ： 人工神经网络（ANN）模型 ⒈算法简述 人工神经网络模拟了生物神经网络的一系列运行机理，它能够像人脑一样处理大量数据，并且输出一个想要的结果。对于任意一组随机的、正态的数据，都可以利用人工神经网络算法进行统计分析，作出拟合和预测。它的拓扑结构如图3所示： 图1　人工神经网络拓扑结构 BP算法是ANN中最常用的算法，我们首先将肾炎病人和健康人的数据视作一个样本集，在训练标本上控制输入（两尅人的的化验数据），在神经元上控制输出（到底是否是病人，是设为1否为0）；接下来的训练过程可以分为向前传输和向后传输两个阶段： ⑴ 向前传输阶段： ① 从样本集中取一个样本，将输入网络； ②计算出误差测度和实际输出； ③对权重值各做一次调整，重复这个循环，直到。 ⑵ 向后传播阶段——误差传播阶段： ① 计算实际输出与理想输出的差； ② 用输出层的误差调整输出层权矩阵； ③ ； ④ 用此误差估计输出层的直接前导层的误差，再用输出层前导层误差估计更前一层的误差。如此获得所有其他各层的误差估计； ⑤ 并用这些估计实现对权矩阵的修改。形成将输出端表现出的误差沿着与输出信号相反的方向逐级向输出端传递的过程。 网络关于整个样本集的误差测度： 4．2 模型I的建立和求解求解 神经网络模型是根据人体内神经元之间信息的传递及反馈而建立的模型。具体而言他是通过将神经元进行分层即：不同的层次分配不同的神经元，一般将层次分为输入层、中间层和输出层。通过给不同的层的神经元赋一定的值来将整个神经网络模型进行训练得到模型。最后将待预测的值输入到模型当中直接得出最终结果。在本题中给出了30组肾炎病人和30组健康人的化验结果， 目的是让我们设计方法根据某人的化验结果判断他是否为肾炎病人，可以从30组肾炎病人和30组健康人的化验结果中选择一部分作为输入样本，建立BP神经网络模型。然后利用剩余的化验结果对模型进行检验，进而对模型作改进。在表B—2中应用模型，对30就诊人员的化验结果作出判断。 神经网络模型 模型的简介 我们为何要利用神经网络模型： 神经网络模型是根据人体内神经元之间信息的传递及反馈而建立的模型。具体而言他是通过将神经元进行分层即：不同的层次分配不同的神经元，一般将层次分为输入层、中间层和输出层。通过给不同的层的神经元赋一定的值来将整个神经网络模型进行训练得到模型。最后将待预测的值输入到模型当中直接得出最终结果。在本题中给出了30组肾炎病人和30组健康人的化验结果， 目的是让我们设计方法根据某人的化验结果判断他是否为肾炎病人，可以从30组肾炎病人和30组健康人的化验结果中选择一部分作为输入样本，建立BP神经网络模型。然后利用剩余的