反馈神经网络原理对医学统计数据预测的研究

本研究将反馈神经网络原理应用于医学统计数据的预测中，建立输入到输出的函数映射关系。突破了传统的线性处理模式，以其高度的并行性，良好的容错性和自适应能力，建立了用于预测的神经网络模型和反馈递归的网络模型。在性能上突出了系统的动态性和数据的时序关联性。本研究从加快函数副近过程的观点出发，提出了一种新的有效的数据预处理方法，将其应用到肺癌早期诊断的专家系统和预后预测的神经网络模型。利用时间编码模型和单时点模型进行肺癌预后预测与评估，两个神经网络模型对学习集的拟合情况优于传统的COX模型和LOGISTIC模型，该网络可以任意精度逼近任映射。本研究采用动量BP算法来尽量消除局部最小,LM算法收敛速度快。