基于神经网络工具箱的BP网络高血压研究.docx

基于神经网络工具箱的BP网络高血压研究 摘要 关键字 0前言 人的大脑是由复杂的神经元网络组成的。由于它的存在，人脑可以从诸如人脸识别、骑自行车、打篮球等涉及联想或经验的问题中体会那些只可意会、不可言传的直觉与经验，可以根据情况灵活掌握处理问题的规则从而可以轻而易举地完成此类任务。任何一种人造的机器在这方面望尘莫及。人脑之所以有这些能力主要是由于人脑本身的构造加之多年以来的学习过程。人类具有高度发达的大脑，大脑是思维活动的物质基础，而思维是人类智能的集中体现。长期以来，人们想方设法了解人脑的工作机理和思维的本质，向往能够构造出具有类人智能的人工智能系统，以模仿人脑功能，完成类似于人脑的工作。人们对人脑的工作机理进行了长期不懈的探索和模拟，一门新的学科—人工神经网络发展起来了。 布满在人类大脑皮层上的神经细胞亦称为神经元。每个神经元与其他神经元通过数以千计的通道广泛相互连接，形成复杂的生物神经网络。生物神经网络以神经元为基本信息处理单元，对信息进行分布式存储与加工。这种信息加工与存储相结合的群体协同工作方式使得人脑呈现出目前计算机无法模拟的神奇智能。人脑的信息处理机制是在漫长的进化过程中形成和完善的。通过分子和细胞技术所达到的微观层次与行为研究所达到的系统层次结合形成了对人脑神经网络的基本认识。在此基本认识的基础上，通过数学和物理方法以及信息处理的角度对人脑神经网络进行抽象并且建立某种简化模型，就称为人工神经网络(Artificial Neural Network，缩写ANN)。人工神经网络远不是人脑生物神经网络的真实写照，而只是对它的简化、抽象与模拟。 现实生活中，高血压是个相当常见且必须引起人们注视的一种疾病。 HYPERLINK /neike/gxy/ \t _blank 高血压是以体循环动脉压增高为主要表现的临床综合征，是最常见的 HYPERLINK /illness/detail/18471.html \t _blank 心血管疾病。 HYPERLINK /illness/detail/29651.html \t _blank 原发性高血压的发病因素主要有两大类，一类是内因，如遗传（大约占40%）；另一类是外因，如精神紧张、食盐过多、吸烟、肥胖、酗酒、缺乏运动等。长期高血压可影响到心、脑、肾等器官的功能，最终导致这些器官功能的衰竭。正常人的血压随内外环境变化在一定范围内波动。在整体人群，血压水平随年龄逐渐升高，以收缩压更为明显，但50岁后舒张压呈现下降趋势，脉压也随之加大。 近年来，人们对心血管病多重危险因素作用以及心、脑、肾靶器官保护的认识不断深入，高血压的诊断标准也在不断调整，目前认为同一血压水平的患者发生心血管 病的危险不同，因此有了血压分层的概念，即发生心血管病危险度不同的患者，适宜血压水平应有不同。医生面对患者时在参考标准的基础上，根据其具体情况判断 该患者最合适的血压范围，采用针对性的治疗措施。 现阶段，我们通过基于神经网络的方法，在已知的的医院就诊资料的基础上，对高血压进行了一次科学且合理的判断。以建立BP神经网络的方式解决问题。其中涉及数据对模型的训练以及相应数据的监测，最终得到一个合适的神经网络。 1 神经网络构成的基本原理 人工神经网络 (Artificial Neural Networks ,简称为NN)是近年来发展起来的模拟人脑生物过程的人工智能技术.它由大量简单的神经元广泛互连形成的复杂的非线性系统,它不需要任何先验公式,就能从已有数据中自动地归纳规则,获得这些数据的内在规律,具有很强的非线性映射能力,特别适合于因果关系复杂的非确性推理、判断识别和分类等问题.基于误差反向传播(Back propagation) 算法的多层前馈网络(Multiple - layer feedforward net-work,简记为BP网络),是目前应用最多也是最成功的网络之一,构造一个 BP 网络需要确定其处理单元—一神经元的特性和网络的拓扑结构。 1.1神经元 神经元是神经网络最基本的组成部分。一般地，神经元模型如图1所示该神经元有n个输入，所有输入通过一个权重w进行加权求和后加上偏置量再经传递函数的作用后即为该神经元的输出。传递函数可以是任何可微的函数，常用的有Si}noid型和线性型 图1·1神经元的一般描述 图中，xi为输入信号，wij表示从第i个神经元到第j个神经元的连接权值，θj为第j个神经元的阈值。设sj为外部输入信号，yj为输出信号，在上述模型中第j个神经元的变换可描述为 （2·1） 这里采用的非线性函数f(x)可以是阶跃函数、分段函数及Sigmoid型函数。 1.2网络的拓扑结构 图1·2基于BP算法的多层前馈型网络的结构 神经网络的拓扑