神經网络及其在医学方面的应用.docVIP

稿号：0906004（修改稿） 人工神经网络及其在公共卫生领域的应用 沈波（综述）1，郑能雄1（审校），刘宝英2（审校） 摘要：人工神经网络（ANN，简称神经网络）由于其具有高度的自适应性、非线性、善于处理复杂关系的特点，较传统统计方法具有很多优点，对其目前在公共卫生领域中的应用进行综述。 关键词：人工神经网络；公共卫生;卫生统计; 人工神经网络（work，ANN，简称神经网络）是由大量的、简单的处理单元（称为神经元）广泛地互相连接而成的复杂网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学系统。神经网络的发展与神经科学、数理科学、认知科学、计算机科学、人工智能、信息科学、控制论、机器人学、微电子学、心理学和分子生物学等有关，是一门新兴的边缘交叉学科。 神经网络起源于20世纪40年代，1943年心理学家McCulloch和数学家Pitts合作提出了神经元的数学模型，即MP模型，从此开创了神经科学理论研究的新时代。神经网络的发展经历了20世纪60到70年代低潮期，80年代又进入新的研究高潮。1987年6月在美国加州举行了第一届神经网络国际会议，并成立了国际神经网络学会。我国的“863”高技术研究计划从1990年开始批准了关于神经网络的课题，自然科学基金与国防科技基金也把神经网络列入选题指南，对中选的课题提供研究资助[1]。 1　人工神经网络模型的原理和结构 人工神经网络根据神经元的生物特性和功能，把它抽象为简单的数学模型(如图1)，X1，X2，……，Xn是神经元的输入，即是来自前级n个神经元的轴突的信息，θi是i神经元的阈值；Wi1，Wi2……，Win分别是i神经元对X1，X2，……，Xn的权系数，也即突触的传递效率；Yi是i神经元的输出；是传递函数，它决定i神经元受到输人X1，X2，……，Xn的共同刺激达到阀值时以何种方式输出。 图1　神经元的数学模型 神经元和神经网络的关系是元素与整体的关系。神经元的结构很简单，工作原理也不深奥。但用神经元组成的神经网络就非常复杂，其功能也十分奥妙。下面是一个最常用的三层BP网络模型，网络包括一个输入层，一个输出层，一个或多个隐含层（中间层）。同层节点（单元）中没有任何连接，各层之间实现全连接，典型的 BP 神经网络是含有一个隐含层的三层网络结构（图2）， 第一作者简介：沈波（1974－），男，医学硕士，主管医师，主要从事疾病预防控制工作。 1.作者单位：福州市疾病预防控制中心，福州350004；2.福建医科大学，福州350004。 图2 3层BP网络结构 这个网络的输入层有n个神经元，输出层有q个神经元，隐含层有 p 个神经元。输入信号从输入层节点依次传过各隐含层节点，然后传到输出层，每一层节点的输出只影响下一层节点的输出，相邻层每个节点通过适当的连接权值前向连接。BP网络可以看作是一个从输入到输出的高度非线性映射。 2　神经网络的基本类型和特点 人们根据不同的应用，研制出许多种不同的神经网络模型，因此人工神经网络的分类也有很多标准，如按性能可分为连续型与离散型网络或确定性与随机性网络；按学习方法可分为有导师学习或无导师学习；按连接突触性质可分为一阶线性关联网络或高阶非线性关联网络。但常见的人工神经网络按信息传递的路径和网络结构的不同，归纳为三大类，即前馈型神经网络（feedforward　neural network,FF），以BP网络为代表；反馈型神经网络（backforward　neural network，BF），以Hopfield网络为代表；自组织特征映射神经网络(work,SOM)，以Kohonen特征映射网络为代表。其中理论较成熟、应用广泛的是前馈型网络，在前馈神经网络的应用中又首推BP网络和它的变化形式，它也是前馈网络的核心部分，并体现了人工神经网络最精华的部分。 尽管人工神经网络只是人脑的低级近似，但是神经网络不同于一般的计算机和人工智能，它的很多特点和人类的智能类似。单个神经单元的功能很弱，但是大量的神经元集体的并行的活动处理功能却十分强大，其具有以下特点： 2.1大规模并行处理。人工神经网络是由大量简单处理单元相互连接构成的高度并行的非线性系统，具有大规模并行性处理特征。虽然每个处理单元的功能十分简单，但大量简单处理单元的并行活动使网络呈现出丰富的功能并具有较快的速度。 2.2知识的分布式存储。在神经网络中，记忆的信息都存储在神经元之间互连的权值中，从单个权值中看不出其存储信息的内容，因而知识的存储是分布式的方式。 2.3较强的容错特性。由于知识的分布式存储，使得人工神经网络具有良好的容错性，即使局部的神经元损坏后，不影响整体神经网络输出的正确性。 2.4具有自适应、自组织、自学习的能力。人工神经网络可以处理各种变化的信息，而且在处理信息的同时