BP网络研究与其在肺癌诊断系统中的应用.pdfVIP

BP网络研究及其在肺癌诊断系统中的应用 黄雪梅唐治德 (重庆大学电气工程学院，重庆400044) 捕要：以三层BP网络为例，讨论了网络的学习算法．并 点，m、u、几分别代表A、B、C层的节点数， 在VC++60语言环境下编制了BP算法程序。建立了基于 AB层之间的连接权值、BC层之间的连接权值、 BP网络的肺癌智能诊断系统，应用改进算法进行训练， 并给出了BP算法动态演化过程的训练词试界面，实践表 B层阚值、C层阈值分别为彬，、％、0、6， 明该系统对肺癌诊断具有可行性。 其算法步骤如下： _／ (1)给各权值和阈值随机赋一个较小的值 关健词：《爹神经网络、肺癌诊断、模式识90 ＼， j √ V (2)对每一模式对(A‘“，C‘‘’) 1·前言 (，：1，．．，J口)，，为任意样本，p为样本总数，进 从80年代开始，国外掀起了一股研究人工 行下列操作： 神经网络的热潮，至今仍方兴未艾，已成为当代 ，①将A螂的值(口?’)输入A层节点， 人工智能领域最富挑战性和最引人人胜的研究 热点。由于神经网络具有大规模并行处理和分布 激活a，．依次正向计算B层和C层 式的信息存储，良好的自适应性、自组织性，很 强的联想功能和容错功能等优点，因此，在图像 节点值： 处理、模式识别、语音综合及智能机器人控制等 领域已有较广泛的应用。1986年，Rumelhart提 (r=l，．卅) b，=，(∑％q+r) i=I 出了反向传播(back-propagation)学习算法…。 该算法适用于多层网络，是目前广泛应用的神经 网络学习算法之一。 c，=，(∑％6，+日j)(J=l…，1) r=l 2．BP算法研究 其中，，(·)为J型函数，即 三层前向网络能以任意精度逼近任意的非线 ，(曲=(1+P。)一。 性函数，这已经得到了严格的证明。其基本思路 是：把网络学习时输出层出现的与“事实”不符 ②误差分配：采用链法则‘21推导得到C 的误差，归结为连接层中各节点间连接权值和阈 层节点c，与期望输出c∥之间的误 值的“过错”，通过把输出层节点的误差逐层向输 入层逆向传播以“分摊”给各连接节点，从而可 差d，、向B层节点方向分配误差e， 算出各连接节点的参考误差，并据此对各连接权 值进行相应的调整，使网络适应要求的映射。该 的计算公式分别为： 系统使用三层神经元前向神经网络，即由输人层、 隐含层和输出层组成，各层次之间的神经元形成 dj=cj(1一勺)@’-cj) 全互连接，各层内的神经元没有连接。 e，=西，(1一br)(∑％d』) 设A、B、C分别代表输入层、隐含层、输 j=l