BP神经网络原理及其在医学统计应用中的设计技巧.pdfVIP

　中国卫生统计 2008 年 10 月第 25 卷第 5 期 ·547 · ·综述 · B P 神经网络原理及其在医学统计应用中的设计技巧 潍坊医学院卫生统计教研室(2 6104 2) 　王俊杰 　陈景武 △ 　　人工神经 网络作为智能信息处理 的工具之一 ,有 中最普通的梯度下降法把一组输入输出样本 的函数问 着很强的适应性 、高度 的容错性及强大的功能等优点 , 题转变为一个非线性优化 问题 ,它是一个从输入到输 在医学统计 中有着广 阔的应用前景 。它是模仿人的大 出的高度非线性映射 。B P 算法所对应 的流程 图如 图 脑神经系统信息处理功能的智能化系统 , 由简单处理 1 所示 。 ( ) 单元 神经元 联接构成 的规模庞大 的并行分布式处理 ( ) 器 ,根据其网络拓扑结构 ,可分为 四种类型 : 1 前向网 络 、有反馈的前向网络 、层 内互联前 向网络和全互联或 ( 部分互联网络 。本文探讨 的B P 神经 网络 简称 B P 网 ) 络 是指基于误差反向传播算法 的多层前 向网络 , 目前 应用较广泛 。 B P 网络 的拓扑结构及 BP 算法 的基本原理 ( ) BP 网络通常含有输入层 、隐含层 中间层 和输 出 层 ,每层均包括多个神经元 ( 即节点) ,输入层与输出层 各有一层 ,隐含层根据需要可 以设多层 ,也可不设 ,不 图 1　BP 算法流程图 含隐含层的称为单层 BP 网络 。神经元之 间通过权相 其 中B P 算法 的权值调整采用下列公式 : 互连接 ,前一层神经元只对下一层神经元起作用 ,同层 Wj i ( t + 1) = Wj i ( t) - η 9E , η 0 (2) 神经元之间无相互作用 ,权值大小代表上一级神经元 9Wj i 上式中 , Wj i ( t + 1) 为 ( t + 1) 次迭代 的权值矩阵, 对下一级神经元 的影响程度 。网络 中作用于神经元 的 9E ( ) Wj i ( t) 为 t 次迭代 的权值矩阵, E 为误差函数 , η 激励函数通常采用的是 S 型函数 Sigmoid 可微函数 9wj i 式 1 实际上就是 lo gi stic 回归中概率 的表达式 。 为权值修正量 , t 为迭代次数 , η为步长 。 f ( x) = ( 1 + e- Qx ) - 1 ( 1) B P 网络设计技巧 式中 Q 为调节激励 函数形式的参数 , 称增益值 , Q 值越大 , S 形曲线越 陡峭 反之 , 曲线越平坦 ,通常取 BP 网络的设计至关重要 ,一个设计好 的网络 ,理 Q = 1 。 论上能够逼近任何非线性映射 ,本文主要从以下几个