基于BP神经网络的艾滋病预测模型.pdf

第7卷第16期2007年8月科学技术与工程Vo1．7No．16Aug．2007
1671—1819(2007)16—4176—03ScienceTechnologyandEngineering⑥2007Sci．Tech．Engng．

基于BP神经网络的艾滋病预测模型

陈涛
(陕西理工学院数学系，汉中723000)

摘要利用神经网络的自学习、自适应及非线性逼近能力，建立了艾滋病预测模型，并利用Matlab的神经网络工具箱进行
开发实现．经过实证研究，表明了该模型的有效性，为艾滋病预防提供了一种科学、可行的预测模型。
关键词艾滋病BP神经网络预测
中图分类号TP183；文献标识码B

艾滋病是当今世界各国非常关注的一个社会络。层间各种神经元实现全连接，即下层的每一个
热点问题，艾滋病造成的死亡率很高，而且目前还神经元与上层的每个神经元都实现权连接，而每层
没有有效的治疗方法。为了有效地预防和控制艾各神经元之间不连接。网络中每一层神经元的连接
滋病的流行和传播，对艾滋病的预测显得尤为重权值都可以通过学习来调整。当给定一个输人节点
要。艾滋病预测过程可认为是一种复杂非线性函数为Ⅳ、输出节点数为的BP网络，输人信号由输
数的逼近过程，要对其进行较为准确的预测，就必人层到输出层传递，通过非线性函数的复合来完成从
须采用能捕捉非线性变化规律的预测方法。人工Ⅳ维欧氏空间到维欧氏空间的映射，该过程是向
神经网络具有逼近任意连续函数和非线性映射的前传播的过程；如果实际输出信号存在误差，网络就
能力，并可进行高维非线性的精确映射。它是由大转人误差反向传播过程，并根据误差的大小来调节
量的、同时也是很简单的神经元通过广泛地互相连各层神经元之间的连接权值。当误差达到人们所希
接而形成的复杂网络系统，它反映了人脑功能的许望的要求时，网络的学习过程就结束。
多基本特性。其信息处理是通过学习动态修改各
BP网络具有非线性、非局域性、非定常性和非凸
神经元之间的连接权值，使系统不断产生“进化”来
性，在信息处理方面具有如下显著特点：①BP网络
实现。人工神经网络在智能控制、模式识别、预测、
模型的建立不需要有关体系的先验知识，主要依赖
经济、环境及生物医学工程等各种领域都取得了广
于资料。只需给网络若干训练实例，BP网络就可以
泛的应用。
通过自学习来完成，完全能够发现其隐含的信息，并
1BP神经网络预测模型有所创新；②BP网络具有自适应和自组织能力，通过
与外界环境的相互作用，从外界环境中获取知识，把
1．1BP神经网络原理
环境的统计规律反映到自身结构上来，并能有机地融
神经网络类型繁多，系统采用比较成熟的反向传
合多种信息。当外界环境发生变化时，只需输人新的
播(BackPropagation简称BP)神经网络。BP神经网
资料让模型再学习，即可很快跟踪环境的变化，可操
络是一种具有三层或三层以上阶层型结构的神经网
作性强。③由于神经元之间的高维、高密度的并行计

2007年4月1313收到陕西理工学院教学改革研究项目算结构，神经网络具有很强的集体计算能力，完全可

(YJG0629)资助以进行高维数据的实时处理，同时也可以进行分布
第一作者简介：陈涛(1979一)，男，硕士，讲师，陕西汉中人．研式联想存储。④作为一个高度的非线性动态处理系
究方向：神经网络和智能信息处理。Email：[e-mail]。统，具有很强的容错功能。

16期陈涛，基于BP神经网络的艾滋病预测模型

1．2BP神经网络预测模型g=plot(na，nb，na，PP，6，
①用小的随机数初始化系数；pause
disp
②输入样本，从前往后计算各层单元D，，其中
pause

netj=⋯o=；disp

realnb；

③对输出层计算=(一)(1一)；me=mean(real—PP)
④从后往前计算各隐层=Oi(1一)∑；st=std(pp—rea1)
disp
⑤计算并保存各权值修正量△(n)=

一叼D+△(凡一1)；
2结果仿真
⑥修正权值(n+1)=wij(n)+Aw(n)；
⑦输入另外一样本，转到步骤②，直到网络收
我们根据美国艾滋病医疗试验机构ACTG公布
敛且输出误差小于允许值。
的数据，利用上面建立的预测模型进行预测，其仿
1．3MATLAB程序实现
真结果如图1。
一般情况下，我们为了避免网络模型迭代计算

髅=簿00爨．蕾上到．
时数值过于集中在某些神经元和权值上而降低模Ej1．1dit]lin~sertZool，B．~ttepli~deyHdp

型上的计算精度，一般要对原始数据进行归一化处。。’‘’。。。。
理。另外，隐含层的神经元个数的选取对神经网络
的影响是很大的，同时目前尚无完整的理论来决定
隐含层的神