中国卫生统计
中國衛生統計
중국위생통계
CHINESE JOURNAL OF HEALTH STATISTICS
2013年
2期
173-176,181
,共5页
刘春艳%凌建春%寇林元%仇丽霞%武俊青
劉春豔%凌建春%寇林元%仇麗霞%武俊青
류춘염%릉건춘%구림원%구려하%무준청
BP神经网络%GA-BP神经网络
BP神經網絡%GA-BP神經網絡
BP신경망락%GA-BP신경망락
目的 在MATLAB软件上拟合BP与GA-BP神经网络数据,比较传统BP与GA-BP神经网络拟合数据的效果,并确定网络模型.方法 利用计生、卫生部门联合开展VCT服务影响因素分析结果的资料,研究采用遗传算法优化BP神经网络的初始权值和阈值,并通过“试错法”确定隐含层神经元数,比较传统BP神经网络与GA-BP神经网络拟合数据的效果.结果 GA-BP神经网络相对于BP神经网络拟合数据迭代步数更少、能更快地达到预设目标；在R2和调整R2无统计学差异的前提下,当隐含层神经元为15时,BP神经网络和GA-BP神经网络均比较稳定,GA-BP拟合效果更好.结论 GA-BP神经网络建模稳定性高,GA-BP神经网络较BP神经网络能达到预设目标的次数更多,能达到全局最优,表明遗传算法优化BP神经网络具有可行性.
目的 在MATLAB軟件上擬閤BP與GA-BP神經網絡數據,比較傳統BP與GA-BP神經網絡擬閤數據的效果,併確定網絡模型.方法 利用計生、衛生部門聯閤開展VCT服務影響因素分析結果的資料,研究採用遺傳算法優化BP神經網絡的初始權值和閾值,併通過“試錯法”確定隱含層神經元數,比較傳統BP神經網絡與GA-BP神經網絡擬閤數據的效果.結果 GA-BP神經網絡相對于BP神經網絡擬閤數據迭代步數更少、能更快地達到預設目標；在R2和調整R2無統計學差異的前提下,噹隱含層神經元為15時,BP神經網絡和GA-BP神經網絡均比較穩定,GA-BP擬閤效果更好.結論 GA-BP神經網絡建模穩定性高,GA-BP神經網絡較BP神經網絡能達到預設目標的次數更多,能達到全跼最優,錶明遺傳算法優化BP神經網絡具有可行性.
목적 재MATLAB연건상의합BP여GA-BP신경망락수거,비교전통BP여GA-BP신경망락의합수거적효과,병학정망락모형.방법 이용계생、위생부문연합개전VCT복무영향인소분석결과적자료,연구채용유전산법우화BP신경망락적초시권치화역치,병통과“시착법”학정은함층신경원수,비교전통BP신경망락여GA-BP신경망락의합수거적효과.결과 GA-BP신경망락상대우BP신경망락의합수거질대보수경소、능경쾌지체도예설목표；재R2화조정R2무통계학차이적전제하,당은함층신경원위15시,BP신경망락화GA-BP신경망락균비교은정,GA-BP의합효과경호.결론 GA-BP신경망락건모은정성고,GA-BP신경망락교BP신경망락능체도예설목표적차수경다,능체도전국최우,표명유전산법우화BP신경망락구유가행성.
