BP神经网络在疾病预测中的应用

目的:探讨BP神经网络在疾病预测中的应用。方法:设计合适的BP神经网络模型,用Matlab7.0编写模型程序,利用精神分裂症影响因素拟合模型。结果:BP神经网络在精神分裂症发病与否的预测中取得了较好的效果。结论:BP神经网络在流行病学中有良好的应用前景。     

多元非线性回归与BP神经网络在香菇多糖提取工艺研究中的应用

目的 探讨多元非线性回归与BP神经网络在香菇多糖提取工艺研究中的应用;方法 使用香菇多糖提取工艺中提取时间、提取温度、料液比、醇析乙醇量和多糖提取率的实验结果,分别建立多元非线性回归方程和BP神经网络;结果 多元非线性回归拟合mse为0.1483,预测误差为1.44%;BP神经网络拟合mse为0.1474,预测误差为1.29%;结论 多元非线性回归与BP神经网络均可用于多因素的非线性模型建立.     

早停止策略在BP神经网络中的应用

探讨了 BP神经网络在应用中如何避免过度拟合情况的发生以防止网络的泛化功能降低。结果显示 ,在 BP神经网络的训练中 ,早停止策略是避免过度拟合的一个有效方法。     

BP神经网络结合遗传算法用于丹参提取工艺的多目标优化

目的:使用BP神经网络结合遗传算法用于丹参提取工艺的多目标优化。方法:通过已知文献的丹参提取工艺优化实例,采用均匀设计法优化BP神经网络模型参数,并建立网络模型,再利用遗传算法对网络进行多目标寻优,获得丹参最佳提取工艺。结果:BP神经网络结合遗传算法用于丹参提取工艺的多目标优化,模型拟合度和预测性均高于文献采用的多元回归法。结论:BP神经网络结合遗传算法可用于丹参提取工艺的多目标优化。     

BP神经网络与遗传算法结合优化培养基配方应用研究

BP神经网络可以用来对培养基的配方进行优化设计,并且能够弥补一些传统方法的不足,但是由于BP神经网络自身固有的缺陷导致网络参数的不确定性,因而优化过程中常易陷于局部最优而想象全局最优结果的搜索.利用遗传算法全局寻优的特点,将其与BP神经网络结合,可以有效地提高网络的预测精度和推广能力.     

BP神经网络及其预测性能探索

以 SAS和 Matlab为基础 ,使用 BP神经网络对非线性模拟数据和实际资料进行了分析。结果显示 ,神经网络对模拟数据和实际资料校验集的预测值和实际值的相关系数都大于 0 .8,提示 BP神经网络应用于非线性资料分析效果较好 ,与传统统计方法的适当结合 ,可解决许多医学中传统方法难于解决的问题 ,值得推广应用。     

基于遗传算法优化支持向量机的网络流量预测

介绍了支持向量机用于时间序列预测的理论基础和遗传算法优化支持向量机参数的方法,首次把遗传算法优化参数支持向量机应用于两组实际网络流量的预测,并与BP神经网络和RBF神经网络方法进行了比较.结果表明:支持向量机相比较BP神经网络和RBF神经网络对网络流量的预测结果精度更高、性能更好.利用支持向量机预测网络流量是一种可行、有效的方法.     

小波神经网络在肿瘤预后中的应用研究

介绍了小波神经网络模型,给出了相应的算法和公式。将小波神经网络模型用于肿瘤患者预后研究。结果表明,与传统BP网络相比,小波神经网络具有较快的学习收敛速率,在肿瘤患者预后方面具有良好的应用前景。     

GA-BP神经网络在拮抗药化合物活性模式识别中的应用

目的改进传统的BP算法,建立有效的药物活性识别模式。方法用遗传算法（GA）优化误差反向传播（BP）算法,两者结合构成混合算法。结果有效地解决了常规BP算法收敛速度慢、易陷入局部极小和GA算法独立训练神经网络速度慢等缺点。结论GA-BP结合构成的神经网络是一种有效的药物活性识别模式,可获得满意的预测结果。     

BP神经网络结合遗传算法优化灰树花多糖提取工艺

目的 通过BP神经网络结合遗传算法,对灰树花多糖提取工艺进行优化,以探讨最佳提取工艺。方法 采用水提醇沉法,以多糖提取率为检测指标,采用3因素（提取温度、提取时间、液料比）4水平正交试验对多糖提取工艺进行考察。用BP神经网络模型结合遗传算法对试验结果进行目标寻优,并通过正交分析法进行验证,获得灰树花多糖的最佳提取工艺。结果 BP神经网络结合遗传算法处理分析得到优化结果为提取温度79.6℃,提取时间3.4 h,液料比50：1,此方法下多糖提取率为6.754%。结论 BP神经网络结合遗传算法优化灰树花多糖提取工艺的方法有效可靠,可为同类提取工艺的优化提供新思路。     

基于BP神经网络的半夏、生姜、甘草三泻心汤配伍研究

目的:探讨不同BP(BackPropagation,BP)算法的人工神经网络在半夏泻心汤、生姜泻心汤、甘草泻心汤配伍中的应用,并应用所建模型探讨三复方药味与剂量的配伍规律。方法:应用均匀设计对药味及剂量进行分组,测定不同组别对正常大鼠胃粘液的影响。应用MATLAB6.5进行编程,选用BP神经网络来拟合实验数据,比较831、881、8121三种拓扑结构、不同BP算法对网络模型拟合效果的影响,建立基于BP神经网络的三方对胃粘液含量影响的预测模型。结果:拓扑结构为881、算法为改进BP算法的神经网络模型可以很好的拟合学习过的样本,并对未学习过的样本有较好的预测能力,其中采用动量法和学习速率自适应调整两种策略相结合的改良BP算法的网络拟合预测效果最佳。应用模型分析可以看出,每种药物剂量变化及不同药物组合对胃粘液分泌的影响不尽相同,如辛开组合具有促进胃粘液分泌的作用,苦降组合、甘补组合具有抑制胃粘液分泌的作用。结论:以半夏、甘草、生姜泻心汤为研究模板,提出的复方类方配伍规律研究模式:“优化拆方实验设计-人工智能数据挖掘-复方类方知识发现”,将为复杂复方的研究提供借鉴。     

基于贝叶斯正规化算法的BP神经网络泛化能力研究

针对BP算法及其改进算法泛化能力不强的问题,探讨用贝叶斯正规化算法来提高网络泛化能力。结果表明在相同网络规模或误差条件下,贝叶斯正规化算法泛化能力明显优于基本BP算法及其它改进的BP算法,且收敛速度较快,拟合效果较好。     

人工神经网络在半夏泻心汤配伍建模中的应用

目的 :应用BP人工神经网络 ,建立半夏泻心汤不同配伍与胃蛋白酶间的非线性映射模型。方法 :应用均匀设计表给出半夏泻心汤中药物及生姜共 8味药物不同配伍组合 ,共形成 2 4组 ,采用安宋氏法测定不同组别对正常大鼠胃蛋白酶活性的影响 ,应用MATLAB 6 .5进行编程 ,选用BP人工神经网络拟合实验数据 ,其中 2 1组作为学习样本 ,建立模型 ,另外 3组作为未学习样本 ,验证模型的预测能力。结果 :通过对 2 1组实验数据的学习 ,建立了拓扑结构为 8 10 1的BP网络模型 ,所建模型可以很好的拟合学习过的样本 ,并且可以很好地预测未学习过的样本 ,预测值和实际值之间的相关性系数r=0 .94 33。结论 :BP神经网络可以很好的拟合复方配伍中复杂的非线性关系 ,可以应用于复方配伍研究的建模。     

径向基函数网络用于安痛定注射液的含量测定

目的：将径向基函数神经网络用于三组分复方制的光度分析。方法：采用径向基函数紫外分光光度法同时测定安痛定注射液中的氨基比林和安替比林,并结合吸光度减技术测定巴比妥。结果：径向基网络在网络稳健性、训练时间和预报准确性等方面优于BP网络。结论：径向基函数光度法可准确测定安痛定注射液三组分的含量。     

神经网络法在喹诺酮类化合物定量构效关系中的应用

目的:以神经网络法研究喹诺酮类化合物定量构效关系。方法:利用Matlab软件包构建一个3层BP神经网络,对数据集进行计算,并将结果与线性回归法的计算结果进行比较。结果:神经网络法的误差平方和为0 .3042 ,小于线性回归法,预测的相关系数为0. 86。结论:神经网络法在喹诺酮类化合物定量构效关系研究中获得了比回归法更精密的拟合结果。     

基于BP神经网络的中毒诊断模型的设计和建立

目的：考察基于BP神经网络的中毒诊断模型的诊断效果。方法：首先运用粗糙集算法对41例已确诊的中毒病例进行属性约简，然后将其分成训练集和预示集，通过对训练集的学习建立中毒诊断模型，对预示集进行中毒诊断。结果：预示集病例的诊断正确率为87．5％。结论：该模型设计合理，可以辅助医生通过中毒者体征对中毒进行初步诊断。     

用径向基神经网络预测氯丙嗪的稳态血药浓度

目的评价用径向基(RBF)神经网络所建立的预测氯丙嗪稳态血药浓度模型的预测性能。方法将数据分为训练集、校验集和测试集,来建立获取输出变量(37项参数)与输出变量(氯丙嗪稳态血药浓度)两者间关系的RBF网络模型,并评价其预测性能。结果当扩展速度(SP)值为2.8时,所建立的RBF网络模型,预测奋乃静稳态血药浓度的效果和泛化能力较好。结论 RBF网络用于预测氯丙嗪稳态血药浓度是可行的和有效的。     

径向基神经网络预测氯氮平血药浓度

目的:评价用径向基(RBF)神经网络所建立的预测氯氮平稳态血药浓度模型的预测性能。方法:将数据分为训练集、校验集和测试集来建立获取输入、输出变量两者间关系的RBF网络模型,其中以患者的性别、年龄、体重、剂量、血压、多项生理生化指标等37项参数为输入变量,氯氮平稳态血药浓度为输出变量。用训练集和校验集的网络计算输出值与目标输出值之间的均方差(MSE)和相关系数(R)来综合评价网络模型的学习效果,用测试集的网络计算输出值与目标输出值之间的MSE和R来评价网络模型的预测性能。结果:当扩展系数(SP)值为3.0时,训练集的MSE为1.33×10-5、R值为0.99985,校验集的MSE为0.002833、R值为0.97186,测试集的MSE为0.005439、R值为0.93676,网络模型的预测效果和泛化能力较好。结论:RBF网络用于预测氯氮平稳态血药浓度的研究是可行和有效的。