神经网络的现状
神经网络的现状范文第1篇
由于人体与疾病的复杂性，不可预测性，非常适合人工神经网络的应用。目前的研究几乎涉及从基础医学到临床医学的所有方面，主要应用于生物信号的检测与自动分析，医学专家系统等。
在麻醉与危重医学相关领域的研究涉及到多生理变量的分析与预测，从临床数据中发现一些尚未发现或尚无确切证据的关系与现象，信号处理，干扰信号的自动区分检测，各种临床状况的预测，单独或结合其他人工智能技术进行麻醉闭环控制等。
在围术期和重症监护与治疗阶段，需要获取大量的信息，将可能在信号处理、基于动态数据驱动的辅助决策专家系统、数据挖掘、各种临床状况的预测、智能化床旁监护、远程医疗与教学、医疗机器人等各方面广泛运用到人工神经网络技术和其他人工智能技术。
一、概述
人工神经网络（artificial neural network, ann）是人工智能(artificial intelligence, ai)学科的重要分支。经过50多年的发展，已成为一门应用广泛，涉及神经生理学、认识科学、数理科学、心理学、信息科学、计算机科学、微电子学等多学科交叉、综合的前沿学科。WWw.133229.CoM
现代计算机的计算构成单元的速度为纳秒级，人脑中单个神经细胞的反应时间为毫秒级，计算机的运算能力为人脑的几百万倍。可是，迄今为止，计算机在解决一些人可以轻而易举完成的简单任务时，例如视觉、听觉、嗅觉，或如人脸识别、骑自行车、打球等涉及联想或经验的问题时却十分迟钝。也不具备人脑的记忆与联想能力，学习与认知能力，信息的逻辑和非逻辑加工能力，信息综合判断能力，快速的高度复杂信息处理速度等。
造成这种问题的根本原因在于，计算机与人脑采取的信息处理机制完全不同。迄今为止的各代计算机都是基于冯*纽曼工作原理：其信息存储与处理是分开的；处理的信息必须是形式化信息，即用二进制编码定义；而信息处理的方式必须是串行的。这就决定了它只擅长于数值和逻辑运算。而构成脑组织的基本单元是神经元，每个神经元有数以千计的通道同其他神经元广泛相互连接,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。
人工神经网络就是在对人脑神经网络的基本研究的基础上，采用数理方法和信息处理的角度对人脑神经网络进行抽象，并建立的某种简化模型。一个人工神经网络是由大量神经元节点互连而成的复杂网络,用以模拟人类进行知识的表示与存储以及利用知识进行推理的行为。一个基于人工神经网络的智能系统是通过学习获取知识后建立的,它通过对大量实例的反复学习,由内部自适应机制使神经网络的互连结构及各连接权值稳定分布，这就表示了经过学习获得的知识。
人工神经网络是一种非线性的处理单元。只有当神经元对所有的输入信号的综合处理结果超过某一门限值后才输出一个信号。因此神经网络是一种具有高度非线性的超大规模连续时间动力学系统。它突破了传统的以线性处理为基础的数字电子计算机的局限，标志着人们智能信息处理能力和模拟人脑智能行为能力的一大飞跃。
近20年来，神经网络的软件模拟得到了广泛研究和应用，发展速度惊人。1987年在圣地亚哥召开了首届国际神经网络大会，国际神经网络联合会(inns)宣告成立。这标志着世界范围内掀起神经网络开发研究热潮的开始。
二、医学领域应用现状与前景
由于人体与疾病的复杂性，不可预测性，在生物信号与信息的表现形式、变化规律（自身变化与医学干预后变化），对其检测与信号表达，获取的数据及信息的分析、决策等诸多方面均存在大量复杂的非线性关系，非常适合人工神经网络的应用。目前的研究几乎涉及从基础医学到临床医学的所有方面，主要应用于生物信号的检测与自动分析，医学专家系统等。
1、信号处理：
在生物医学信号的检测和分析处理中主要集中对心电、脑电、肌电、胃肠电等信号的识别，脑电信号的分析，听觉诱发电位信号的提取，医学图像的识别和数据压缩处理等。
2、医学专家系统
医学专家系统就是运用专家系统的设计原理与方法, 模拟医学专家诊断、治疗疾病的思维过程编制的计算机程序, 它可以帮助医生解决复杂的医学问题, 作为医生诊断、治疗的辅助工具。 “传统”的专家系统，通过把专家的经验和知识以规则的形式存入计算机中，建立知识库，用逻辑推理的方式进行医疗诊断。但一些疑难病症的复杂形式使其很难用一些规则来描述，甚至难以用简单的语言来表达；专家们常常难以精确分析自己的智能诊断过程。另一方面，基于规则的专家系统，随着数据库规模的增大，可能导致组合爆炸，推理效率很低。由于人工神经网络能够解决知识获取途径中出现的“瓶颈”现象、知识“组合爆炸”问题以及提高知识的推理能力和自组织、自学习能力等等, 从而加速了神经网络在医学专家系统中的应用和发展。
sordo比较了采用不同网络结构和学习算法的神经网络在诊断胎儿唐氏综合征(down’s syndrome) 上的成绩。正确分类率为84 %, 超过了现今所用的统计方法的60 %～70 % 的分类率。
台湾deu科技（德亚科技）开发的计算机辅助检测系统rapid screentm rs-2000为全世界最先通过美国fda认证的早期肺癌辅助诊测系统。该产品采用人工智能神经网络ann，自动标识数字胸片中可疑结节区。经台湾和美国的临床实验，可使放射专家检测t1期肺癌的能力明显提高(潜在提升约15 %以上)。
degroff等使用电子听诊器和人工神经网络制造了一种仪器，它可正确地区分儿童生理性和病理性杂音。用电子听诊器记录的儿童心音，输入能识别复杂参数的ann，分析的敏感性和特异性均达100%。
3、其他：
生物信息学中的研究中可应用于基因组序列分析、蛋白质的结构预测和分类、网络智能查询等方面。
药学领域广泛应用于定量药物设计、药物分析、药动/药效学等方面。例如：用于预测药物效应。veng-pederson用神经网络预测阿芬太尼对兔心率的影响，对用药后180-300分钟的药物效应取得了较好的预测结果（平均相对预测准确度达78%）。分析群体药动学数据，以获知群体药动学特征和不同人口统计因子对药物行为的影响，对临床用药具有指导意义。
4、麻醉与危重医学相关领域的研究
手术室和icu内是病人信息富集的地方，而且大量的信息处在动态变化中，随着医学技术的飞速进步，所能获取的信息越来越多，医护人员面临着“信息轰炸”。神经网络技术可以很好地帮助我们应对这些问题。例如：
1）可以用于分析多个生理变量之间的关系，帮助研究其内在的关系，或预测一些变量之间的关系：perchiazzi在肺损伤和正常的猪容量控制机械通气中，用ann估计肺顺应性的变化，不需要中断呼吸，与标准方法相比误差很小。
2）结合数据挖掘技术，可能从海量数据库例如电子病历系统中，发现一些尚未发现或尚无确切证据的关系与现象：buchman 研究了神经网络和多元线形回归两种方法，用病人的基本资料、药物治疗差异和生理指标的变化预测在icu延迟（>7天）。
3）信号处理：ortolani等利用eeg的13个参数输入ann，自行设计的麻醉深度指数ned0-100作为输出，比较ned与bis之间有很好的相关性；
4）干扰信号的自动区分检测：jeleazcov c等利用bp神经网络区分麻醉中和后检测到的eeg信号中的假信号，是传统eeg噪音检测方法的1.39-1.89倍。
5）各种临床状况的预测：laffey用ann预测肌肉松弛药的残留，发现明显优于医生的评估，还有用于预测propfol剂量个体差异的，预测术后恶心、呕吐，预测全麻后pacu停留时间，预测icu死亡率等较多的研究。
神经网络的现状范文第2篇
1 引言
很长时间以来,在我们生活中所接触到的大部分计算机,都是一种被称为“电脑”的冯诺依曼型计算机。这种计算机在运算等很多方面确实超越了人类大脑的水平,但是基于串行控制机构的冯诺依曼型计算机在图像处理、语音识别等方面远不如大脑的处理能力。于是,在人类对大脑的不断探索中,一种更接近人脑思维方式的神经网络计算机走进人们的视线。
2 大脑的研究
大脑活动是由大脑皮质许许多多脑神经细胞的活动构成。
神经细胞由一个细胞体、一些树突 、和轴突组成,如图1所示。神经细胞体是一颗星状球形物,里面有一个核。树突由细胞体向各个方向长出,本身可有分支,是用来接收信号的。轴突也有许多的分支。轴突通过分支的末梢和其他神经细胞的树突相接触,形成所谓的突触,一个神经细胞通过轴突和突触把产生的信号送到其他的神经细胞。每个神经细胞通过它的树突和大约10,000个其他的神经细胞相连。这就使得人脑中所有神经细胞之间连接总计可能有1,000,000,000,000,000个。
神经细胞利用电-化学过程交换信号。输入信号来自另一些神经细胞。这些神经细胞的轴突末梢(也就是终端)和本神经细胞的树突相遇形成突触,信号就从树突上的突触进入本细胞。信号在大脑中实际怎样传输是一个相当复杂的过程,但就我们而言,重要的是把它看成和现代的计算机一样,利用一系列的0和1来进行操作。就是说,大脑的神经细胞也只有两种状态:兴奋和不兴奋。发射信号的强度不变,变化的仅仅是频率。神经细胞利用一种我们还不知道的方法,把所有从树突上突触进来的信号进行相加,如果全部信号的总和超过某个阀值,就会激发神经细胞进入兴奋状态,这时就会有一个电信号通过轴突发送出去给其他神经细胞。如果信号总和没有达到阀值,神经细胞就不会兴奋起来。
尽管这是类似0和1的操作方式,由于数量巨大的连接,使得大脑具备难以置信的能力。尽管每一个神经细胞仅仅工作于大约100hz的频率,但因各个神经细胞都以独立处理单元的形式并行工作着,使人类的大脑具有非常明显的特点:
1) 能实现无监督的学习。
2) 对损伤有冗余性
3) 善于归纳推广。
4) 处理信息的效率极高:神经细胞之间电-化学信号的传递,与一台数字计算机中cpu的数据传输相比,速度是非常慢的,但因神经细胞采用了并行的工作方式,使得大脑能够同时处理大量的数据。这个特点也是神经网络计算机在处理方法上最应该体现的一点。
3 人工神经网络基础
对于脑细胞的活动原理,用简单数学语言来说, 一次乘法和累加就相当于一个神经突触接受一次信息的活动。许许多多简单的乘法和累加计算, 就形成了脑细胞决定是激活状态还是抑制状态的简单数学模型。从这种模型出发, 任何复杂的大量的脑神经细胞活动与只是大量乘法、累加和判别是否达到激活值的简单运算的并行与重复而已。因此用这种大量并行的简单运算就可以来模拟大脑的活动, 这就是人工神经网络。
神经网络的基本单元是人工神经元,它是根据人脑的工作原理提出的。图2所示为一个人工神经元,可由以下方程描述
σi =wijxj + si2θi , ui = f(σi) ,yi = g(ui)
xi 为输入信号;
yi 为输出信号;
ui 为神经元的内部状态;
θi 为阈值;
si 为外部控制信号输入(控制神经元的内部状态ui ,使之保持一定的状态);
wij 为神经元的连接权值。
其中,可通过学习改变连接权wij ,使得神经元满足或接近一定的非线性输入输出关系。
4 神经网络计算机的实现
对于神经网络计算机实现,目前主要有以下三种实现途径:
4.1 用软件在通用计算机上模拟神经网络
在sisd(单指令流、单数据流,如经典个人计算机)、simd(单指令流、多数据流,如连接机制机器)或mimd(多指令流、多数据流,如在transputer网络上)结构的计算机上仿真。
这种用软件实现神经网络的方法,灵活而且不需要专用硬件,但是基于此方法实现的神经网络计算机速度较慢,一般仅适合人工神经网络的研究,另一方面,它在一定程度上使神经网络计算机失去了它的本质,体现不出并行处理信息的特征。
4.2 对神经网络进行功能上的仿真
以多个运算单元节点进行运算,在不同时间模拟各异不同的神经元,串并行地模拟神经网格计算。换句话说,即用m个物理单位去模拟n个神经元,而m<n。基于并行计算机和阵列机的神经网络虚拟实现,具有一定的通用性。 <br="">
虚拟实现的神经网络计算机主要可分为:协处理机,并行处理机阵列及现有的并行计算机等。目前已经有多种产品及系统问世,包括mark v神经计算机、gapp系统、gf11、基于transputer的系统以及基于dsp的系统。它们各有特点,技术已日益成熟。
但是这种实现方式仍以神经网络仿真为主要目标,另外其速度,容量等性能的提高则以增加处理机等费用为代价,较难成为神经网络的最终应用产品。
4.3 利用全硬件实现
4.3.1 基于cmos, ,ccd工艺和浮栅工艺的神经网络全硬件实现
在微电子芯片上作上许多具有模拟神经元功能的单元电路,按神经网络模型的拓扑结构在芯片上联成网络,这类神经网络芯片上的电路与所模拟神经网络种的各个神经元和神经突触等都有一一对应的关系,神经网络中的各个权值也都存贮在同一芯片上。
我国1995年开发的预言神一号就是一台实现了全硬件的通用神经网络处理机。它以pc机作为宿主机,通过编程实现前馈网络、反馈网络、som等人工神经网络的模型和算法,在网络运算过程中预言神一号神经计算机还具备随时修改网络参数及神经元非线性函数的功能。
但是这类芯片受硅片面积的限制,不可能制作规模庞大的神经网络硬件。如果一个数万个神经元的全联接网络,其互联线将达到10亿根;若以1微米三层金属布线工艺来计算,仅仅布线一项所占硅片面积将达到数十平方米。因此,在微电子技术基础上用这种一一对应的方式实现规模很大的神经网络显然不现实。
4.3.2 用光学或光电混合器件实现神经网络硬件系统
光学技术在许多方面有着电子技术无法比拟的优点:光具有并行性,这点与神经计算机吻合;光波的传播交叉无失真,传播容量大;可实现超高速运算。现在的神经计算机充其量也只有数百个神经,因此用“电子式”还是可能的,但是若要把一万个神经结合在一起,那么就需要一亿条导线,恐怕除光之外,任何东西都不可能完成了。但是光束本身很难表示信号的正负,通常需要双层结构,加之光学相关器件体积略大,都会使系统变得庞大与复杂。
5 小结
神经网络的现状范文第3篇
[摘要] 目的：分析李发枝教授治疗艾滋病带状疱疹及其后遗神经痛的用药规律，为中医药治疗艾滋病带状疱疹及其后遗神经痛提供相应的用药参考依据。方法：利用复杂网络分析方法，研究河南尉氏县在2007年10月—2011年7月期间接受李发枝教授治疗过的艾滋病带状疱疹及其后遗神经痛患者，将全部病例录入结构化临床诊疗信息采集系统，转化为可分析的数据，利用复杂网络分析算法和复杂网络分析系统进行中药配伍规律研究。结果：运用多维检索查询分析得出，本次研究中治疗艾滋病带状疱疹及其后遗神经痛的核心药物为黄芩、甘草、红花、车前子、全瓜蒌、当归、龙胆草；核心处方为龙胆泻肝汤加减和瓜蒌红花甘草汤加减。结论：李发枝教授治疗艾滋病带状疱疹及其后遗神经痛以清热利湿活血为要。
[关键词] 带状疱疹；中药；复杂网络分析
李发枝教授，国家第4批名老中医，国家中医临床研究基地重点病种（艾滋病）首席专家，国家中医药防治艾滋病专家组成员，河南省中医药治疗艾滋病专家组组长。自2004年始，每周二下午定时在河南省尉氏县中医院对艾滋病人进行义诊，常年如一日，每次都有大量的病人就诊，疗效甚好。为继承和发扬其诊疗经验，本研究通过对临床信息数据化处理后，进行复杂网络模型分析，对李发枝教授治疗艾滋病带状疱疹及其后遗神经痛的核心方药进行数据挖掘，解析其治疗思路，揭示隐藏在其中的规律。
1 材料与方法
1.1 病例纳入标准 艾滋病临床诊断标准：按照卫生部、中华医学会《艾滋病诊疗指南》[1]标准执行。艾滋病带状疱疹及其后遗神经痛诊断标准：①符合艾滋病临床诊断标准；②符合中华人民共和国中医药行业标准《中医病证诊断疗效标准》（ZY/T001.1-94）中带状疱疹及其后遗神经痛的诊断依据，并以带状疱疹及其后遗神经痛作为主症。
1.2 病例资料 选择在2007年10月—2011年7月期间在李发枝教授尉氏县中医院义诊门诊接受治疗的艾滋病带状疱疹及其后遗神经痛患者，符合上述诊断标准，全部患者共9人，包括多次复诊，共37例次，其中4例次首诊是正在发生的带状疱疹，其余33次均为带状疱疹后遗神经痛。
1.3 研究方法 病例资料收集方法：初诊、复诊病例格式经过专门科研设计，保留病历原始信息。收集资料基本齐全，9例共37例次的数据均纳入本次研究中。
数据库说明：本研究使用的数据库隶属于“名老中医临床信息采集系统”的数据库，该系统由北京市科技计划重大项目课题的“基于信息挖掘技术的名老中医临床诊疗经验研究”课题组建立。
1.4 资料处理 数据采集：确定研究的主要内容为分析李发枝教授治疗艾滋病带状疱疹及其后遗神经痛的用药规律，为中医药治疗艾滋病带状疱疹及其后遗神经痛提供相应的用药参考依据。以上述研究目的为目标，采集了病例的文本信息[2]，对文本信息结构化处理[3]并录入，形成可分析的结构化数据，数据录入严格按照标准操作规程进行[4-5]。
建立规范数据库：数据前期整理及规范录入完成后，进行数据汇总，形成数据库。对各类数据进行进一步的规范，以利于数据挖掘。
复杂网络分析：本研究运用中医临床复杂网络分析系统常使用的EclipseRCP技术。复杂网络分析方法是复杂科学研究的热点之一，在社会、生物学、商业、通信和计算机网络等领域广泛应用[6]。根据节点度的分布情况，可以将复杂网络分为指数网络和无尺度网络2个大类。把具有幂律分布的网络称为无尺度网络（scale-free network）。这是基于关联规则的一种数理分析模型与方法，反映了复杂网络在一定驱动力的影响下动态的自组织过程宏观规律，据研究显示，中医理论指导下的复方配伍过程具有无尺度复杂网络现象，复杂网络分析为中医药理论如复方配伍、药物相互作用等的研究提供依据，通过对名老中医的基本处方配伍经验或是某一病症的药物配伍经验进行复杂网络分析，进而发现核心药物配伍特点及药对信息，由此能够总结名老中医某方面的学术思想[4]。
2 结果
2.1 治疗艾滋病带状疱疹及其后遗神经痛核心药物及配伍规律 全部患者共9人，包括多次复诊，共37例次，其中4例次首诊是正在发生的带状疱疹，其余33次均为带状疱疹后遗神经痛，临床治疗均有效。运用多维检索查询分析[7]得出，李发枝教授治疗艾滋病带状疱疹及其后遗神经痛的高频药物，见表1。在37例次中，使用黄芩33次、甘草31次、红花25次、车前子24次、全瓜蒌23次、当归22次、龙胆草22次等。说明李发枝教授治疗艾滋病带状疱疹及其后遗神经痛的核心药物主要为清热燥湿之黄芩，活血化瘀之红花，清热解毒、利尿渗湿之车前子，清肺化痰之全瓜蒌，养血活血之当归，清泄肝胆经湿热之龙胆草。
基于复杂网络图分析方法，根据处方中药物的使用频次及该药与其他药物配伍的频度，可以分析出李发枝教授治疗艾滋病带状疱疹及其后遗神经痛的常用药物即核心处方。李发枝教授治疗艾滋病带状疱疹的常用药物网络见图1。结合网络图能直观看出常用药物和使用较多药物。基于复杂网络图分析方法的可视化的处方配伍网络见图2，可以直观地看出黄芩、甘草、红花、车前子、全瓜蒌、当归、龙胆草处于处方配伍网络的核心节点。每一味药物与周围药物的边表示配伍关系。药物节点之间的连接边的权重即药物配伍次数在一定程度上表现了药物之间同时配伍应用的强度。与该网络相对应的药物配伍频度信息见表2，黄芩-甘草配伍频度最高，其次为红花-甘草，再其次为黄芩-红花、全瓜蒌-红花、黄芩-全瓜蒌、全瓜蒌-甘草。方剂疗效的基础不是单味中药功效的相加，而是中药之间的配伍作用[8]，药对是为达到某种疗效而组合使用的，是中医临床用药的经验总结，明确药对之理论，掌握在组方中的应用规律，更好的去应用药物的配伍理论，为中医药的治疗提高疗效。结合两部分信息，可提炼出李发枝教授治疗艾滋病带状疱疹及其后遗神经痛的处方特点为以清热、活血药物为核心药物，利于总结经验及指导临床应用。
2.2 李发枝教授治疗艾滋病带状疱疹及其后遗神经痛辨证特点及症状加减用药特点 复杂网络分析法对药物的进一步分析显示出相对独立的方药组团，复杂网络图2可示龙胆泻肝汤和瓜蒌红花甘草汤加减的方药组团。图2可示在龙胆泻肝汤基础上加入全瓜蒌、红花。这与李发枝教授治疗本病时若出现原疱疹处及其周围皮肤剧痛，而表现为余热（湿）未尽，络脉瘀阻证之后遗神经痛相一致。这一配伍特点反映了李发枝教授治疗艾滋病带状疱疹及其后遗神经痛的辨证及治疗思路。
神经网络的现状范文第4篇
[关键词] 带状疱疹；中药；复杂网络分析
李发枝教授，国家第4批名老中医，国家中医临床研究基地重点病种（艾滋病）首席专家，国家中医药防治艾滋病专家组成员，河南省中医药治疗艾滋病专家组组长。自2004年始，每周二下午定时在河南省尉氏县中医院对艾滋病人进行义诊，常年如一日，每次都有大量的病人就诊，疗效甚好。为继承和发扬其诊疗经验，本研究通过对临床信息数据化处理后，进行复杂网络模型分析，对李发枝教授治疗艾滋病带状疱疹及其后遗神经痛的核心方药进行数据挖掘，解析其治疗思路，揭示隐藏在其中的规律。
1 材料与方法
1.1 病例纳入标准 艾滋病临床诊断标准：按照卫生部、中华医学会《艾滋病诊疗指南》[1]标准执行。艾滋病带状疱疹及其后遗神经痛诊断标准：①符合艾滋病临床诊断标准；②符合中华人民共和国中医药行业标准《中医病证诊断疗效标准》（ZY/T001.1-94）中带状疱疹及其后遗神经痛的诊断依据，并以带状疱疹及其后遗神经痛作为主症。
1.2 病例资料 选择在2007年10月—2011年7月期间在李发枝教授尉氏县中医院义诊门诊接受治疗的艾滋病带状疱疹及其后遗神经痛患者，符合上述诊断标准，全部患者共9人，包括多次复诊，共37例次，其中4例次首诊是正在发生的带状疱疹，其余33次均为带状疱疹后遗神经痛。
1.3 研究方法 病例资料收集方法：初诊、复诊病例格式经过专门科研设计，保留病历原始信息。收集资料基本齐全，9例共37例次的数据均纳入本次研究中。
数据库说明：本研究使用的数据库隶属于“名老中医临床信息采集系统”的数据库，该系统由北京市科技计划重大项目课题的“基于信息挖掘技术的名老中医临床诊疗经验研究”课题组建立。
1.4 资料处理 数据采集：确定研究的主要内容为分析李发枝教授治疗艾滋病带状疱疹及其后遗神经痛的用药规律，为中医药治疗艾滋病带状疱疹及其后遗神经痛提供相应的用药参考依据。以上述研究目的为目标，采集了病例的文本信息[2]，对文本信息结构化处理[3]并录入，形成可分析的结构化数据，数据录入严格按照标准操作规程进行[4-5]。
建立规范数据库：数据前期整理及规范录入完成后，进行数据汇总，形成数据库。对各类数据进行进一步的规范，以利于数据挖掘。
复杂网络分析：本研究运用中医临床复杂网络分析系统常使用的EclipseRCP技术。复杂网络分析方法是复杂科学研究的热点之一，在社会、生物学、商业、通信和计算机网络等领域广泛应用[6]。根据节点度的分布情况，可以将复杂网络分为指数网络和无尺度网络2个大类。把具有幂律分布的网络称为无尺度网络（scale-free network）。这是基于关联规则的一种数理分析模型与方法，反映了复杂网络在一定驱动力的影响下动态的自组织过程宏观规律，据研究显示，中医理论指导下的复方配伍过程具有无尺度复杂网络现象，复杂网络分析为中医药理论如复方配伍、药物相互作用等的研究提供依据，通过对名老中医的基本处方配伍经验或是某一病症的药物配伍经验进行复杂网络分析，进而发现核心药物配伍特点及药对信息，由此能够总结名老中医某方面的学术思想[4]。
2 结果
2.1 治疗艾滋病带状疱疹及其后遗神经痛核心药物及配伍规律 全部患者共9人，包括多次复诊，共37例次，其中4例次首诊是正在发生的带状疱疹，其余33次均为带状疱疹后遗神经痛，临床治疗均有效。运用多维检索查询分析[7]得出，李发枝教授治疗艾滋病带状疱疹及其后遗神经痛的高频药物，见表1。在37例次中，使用黄芩33次、甘草31次、红花25次、车前子24次、全瓜蒌23次、当归22次、龙胆草22次等。说明李发枝教授治疗艾滋病带状疱疹及其后遗神经痛的核心药物主要为清热燥湿之黄芩，活血化瘀之红花，清热解毒、利尿渗湿之车前子，清肺化痰之全瓜蒌，养血活血之当归，清泄肝胆经湿热之龙胆草。
基于复杂网络图分析方法，根据处方中药物的使用频次及该药与其他药物配伍的频度，可以分析出李发枝教授治疗艾滋病带状疱疹及其后遗神经痛的常用药物即核心处方。李发枝教授治疗艾滋病带状疱疹的常用药物网络见图1。结合网络图能直观看出常用药物和使用较多药物。基于复杂网络图分析方法的可视化的处方配伍网络见图2，可以直观地看出黄芩、甘草、红花、车前子、全瓜蒌、当归、龙胆草处于处方配伍网络的核心节点。每一味药物与周围药物的边表示配伍关系。药物节点之间的连接边的权重即药物配伍次数在一定程度上表现了药物之间同时配伍应用的强度。与该网络相对应的药物配伍频度信息见表2，黄芩-甘草配伍频度最高，其次为红花-甘草，再其次为黄芩-红花、全瓜蒌-红花、黄芩-全瓜蒌、全瓜蒌-甘草。方剂疗效的基础不是单味中药功效的相加，而是中药之间的配伍作用[8]，药对是为达到某种疗效而组合使用的，是中医临床用药的经验总结，明确药对之理论，掌握在组方中的应用规律，更好的去应用药物的配伍理论，为中医药的治疗提高疗效。结合两部分信息，可提炼出李发枝教授治疗艾滋病带状疱疹及其后遗神经痛的处方特点为以清热、活血药物为核心药物，利于总结经验及指导临床应用。
2.2 李发枝教授治疗艾滋病带状疱疹及其后遗神经痛辨证特点及症状加减用药特点 复杂网络分析法对药物的进一步分析显示出相对独立的方药组团，复杂网络图2可示龙胆泻肝汤和瓜蒌红花甘草汤加减的方药组团。图2可示在龙胆泻肝汤基础上加入全瓜蒌、红花。这与李发枝教授治疗本病时若出现原疱疹处及其周围皮肤剧痛，而表现为余热（湿）未尽，络脉瘀阻证之后遗神经痛相一致。这一配伍特点反映了李发枝教授治疗艾滋病带状疱疹及其后遗神经痛的辨证及治疗思路。
3 讨论
3.1 治疗艾滋病带状疱疹及其后遗神经痛核心药物及其基本病机的认识 本次研究揭示出李发枝教授治疗艾滋病带状疱疹及其后遗神经痛常用药物为为清热燥湿之黄芩，活血化瘀之红花，清热解毒、利尿渗湿之车前子，清肺化痰之全瓜蒌，养血活血之当归，清泄肝胆经湿热之龙胆草。可提炼出李发枝教授治疗艾滋病带状疱疹及其后遗神经痛的处方特点为以清热利湿及活血药物为核心药物。李发枝教授认为，艾滋病患者的基本病机以气血阴阳亏虚之正虚为主，但当出现带状疱疹时，则以邪实为主，乃肝胆湿热，外溢肌肤所致。因此，清泻肝胆湿热为其治疗大法，常选用龙胆泻肝汤加减；对于该病遗留之神经痛，李发枝教授认为乃肝胆湿热未尽，瘀阻皮肉之络，肺主皮毛，其治疗当清泻肝胆余热，兼清肺活血通络，故用龙胆泻肝汤加孙一奎《赤水玄珠》治疗胸痛之瓜蒌红花甘草汤，疗效颇佳。可见，从复杂网络分析得出的用药经验体现了李发枝教授对本病基本病机的认识。
3.2 核心处方组合及加减 复杂网络分析法对药物的进一步分析显示出相对独立的方药组团，复杂网络图图2可示龙胆泻肝汤加减和瓜蒌红花甘草汤加减。这一配伍特点反映了李发枝教授治疗艾滋病带状疱疹及其后遗神经痛的辨证及治疗思路。若肝胆湿热重则用龙胆泻肝汤清泻肝胆湿热。若庖疹消退后，疼痛仍不止，影响睡眠及日常生活，舌质暗红，脉弦者，则加具有清肺化痰，活血通络之瓜蒌红花甘草汤。龙胆泻肝汤出自《医方集解》，其由龙胆草、黄芩、泽泻、当归、生地黄、车前子、等10味药组成，龙胆草因善泻肝胆之实火，并能清泄下焦之湿热而为君，柴胡、黄芩苦寒泻火，车前子、泽泻清利湿热且从小便而解，均为臣药；肝藏血，肝经有热则易伤阴血，故佐以生地黄、当归养血活血；甘草调和诸药为使，诸药同用，共奏泻肝胆实火，清肝经湿热之效。据报道，龙胆泻肝汤能激活不同类型的免疫细胞，如促进T细胞释放巨噬细胞活化因子，加强巨噬细胞的吞噬功能，或激活巨噬细胞释放淋巴激活因子，刺激淋巴细胞转化，调剂抗体产生，可以增强和调整机体的免疫功能。瓜萎红花甘草汤出自《赤水玄珠》，全瓜萎性味甘寒，润燥而不滞气机，清热而不伤阴，可疏理宣通气机、润肝缓急止痛，红花活血止痛，燥润互用，以增强全瓜萎活血止痛之功。两方共用共奏清热解毒、活血止痛之效。
通过复杂网络分析法对李发枝教授治疗艾滋病带状疱疹及其后遗神经痛的处方配伍结构进行上述分析，发现的核心药物及处方规律得到李发枝教授的高度认可，并充分反映了李教授对本病病机的认识，可揭示专家的治疗路径，且基本符合专家的辨证思路，这充分说明复杂网络分析法在对名老中医处方经验的分析中具有客观性、科学性。因此，运用此分析法对名老中医的经验进行挖掘有广泛的应用前景，且该方法将核心药物、处方及配伍以图的形式表现，具有图示化、直观化[9]的特点，便于理解与掌握，对全面、客观地继承名老中医专家的经验有积极的推动意义。
[参考文献]
[1] 中华医学会感染病学分会艾滋病学组.艾滋病诊疗指南（2011版）[J].中华传染病杂志，2011，4（6）：321.
[2] 王映辉， 刘保， 张润顺， 等.北京市名老中医诊疗信息基础数据仓库与挖掘平台的建立[C].广州：第2届著名中医药学家学术传承高层论坛，2006：612.
[3] 张润顺，王映辉.名老中医电子病历中病史动态结构化数据录入规范[J].中围中医药信息杂志，2007，14（3）：100.
[4] 周雪忠，刘保延，王映辉，等.复方药物配伍的复杂网络方法研究[J].中国中医药信息杂志，2008，15（11）：98.
[5] Xuezhong Zhou， Shibo Chen， Baoyan Liu，et al. Development of traditional Chinese medicine clinical data warehouse for medical knowledge discovery and decision support[J]. Artif Intell Med，2010（48）：139.
[6] 张润顺，周雪忠，姚乃礼，等.基于复杂网络分析的肝脾不调证的配伍特点研究[J].世界科学技术——中医药现代化，2010，12（6）：883.
[7] 张润顺，王映辉，周雪忠，等.名老中医经验要素研究及智能挖掘平台功能设计[J].世界科学技术——中医药现代化，2008，10（1）：45.
[8] Serrano M A， Boguá M， Vespignani A. Extracting the multiscale backbone of complex weighted networks[J]. Proc Natl Acad Sci USA，2009 ，106（16）：6483.
[9] 郝宏文，张润顺，周雪忠，等.王素梅治疗多发性抽动症方药配伍的复杂网络法分析初探[J].世界科学技术——中医药现代化，2012，14（1）：1297.
Data mining analysis of professor Li Fa-zhi AIDS herpes zoster medical record
WANG Dan-ni， LI Zhen， XU Li-ran， GUO Hui-jun*
（Clinical Research Center for AIDS， The First Affiliated Hospital of Henan University of
Traditional Chinese Medicine， Zhengzhou 450000， China）
[Abstract] Objective： Analysis of professor Li Fa-zhi in the treatment of AIDS drug laws of herpes zoster and postherpetic neuralgia， provide reference for the use of Chinese medicine treatment of AIDS， herpes zoster and postherpetic neuralgia. Method： By using the method of analyzing the complex network of Weishi county， Henan in 2007 October to 2011 July during an interview with professor Li Fa-zhi treatment of AIDS of herpes zoster and postherpetic neuralgia patients， patients are input structured clinical information collection system， into the analysis of the data， carries on the research analysis theory of traditional Chinese medicine compatibility system algorithm and complex network analysis the use of complex networks. Result： The use of multi-dimensional query analysis of AIDS drugs， the core of herpes zoster and postherpetic neuralgia treated in this study are Scutellariae Radix， Glucyrrhizae Radix， Carthamc Flos， Plantaginis Semen， Trichosamthis Fructus， Angelicae Sinensis Radix， Gentianae Radix； core prescription for Longdan Xiegan decoction and Trichosanthes red liquorice decoction. Conclusion： Professor Li Fa-zhi treatment of AIDS， herpes zoster and postherpetic neuralgia by clearing heat and removing dampness and activating blood circulation to.
神经网络的现状范文第5篇
（黑龙江民族职业学院，黑龙江 哈尔滨 150066）
摘 要：盈余预测具有引导投资者投资行为的作用，因此受到投资者的广泛重视。然而，国内对公司未来盈利进行预测的研究还相当少。提出了以决策树作为基分类器，采用集成学习方法，利用上市某公司2001至2005年的财务数据对该上市公司在2006年的盈利状况进行预测研究。首先，采用有放回的随机抽样技术分别从训练样本和测试样本中产生50个训练子集和1个测试集；然后利用决策树，采用CHAID算法对50个训练子集分别进行训练，得到50个基决策树分类器；通过采用Bagging方法，构建决策树集成模型。所得到的集成模型在测试集上的分类准确率达到96%以上，通过比较由不同数目的基分类器构成的集成模 型和单个分类器的预测准确率，证明了该集成模型的预测准确率高且稳定。
关键词 ：神经网络；集成学习；盈利预测
中图分类号：F275文献标志码：A文章编号：1000-8772（2014）31-0253-02
收稿日期：2014-10-28
作者简介：潘道华（1981-），女，汉族，黑龙江哈尔滨人，研究生，主要研究方向：人工智能、数据挖掘与决策支持。
1 引言
公司的财务状况及其未来盈利情况不但对公司的管理层十分重要，而且对其他投资者也非常重要。如果能够利用公司以往的财务报表数据和其它一些宏观经济数据（如GDP、CPI、利率等）及早准确预测公司未来的盈利状况的话，那么就可以更有效地对公司进行管理和指导投资者的投资行为。但是，一个公司的财务报表往往只反映了公司在过去的财政年度内的经营状况，并不反映出公司在下一年中的管理情况。因而，一个公司的财务状况与其未来盈利之间的关系并没有那么明显，它受到很多因素的影响，要构建一个精确的模型反映它们之间的关系是很困难的。针对此情况，本文提出采用决策树集成方法，构建模型来刻画公司财务状况与其未来盈利之间的关系，利用上市公司已有的财务数据，并结合主要的宏观经济变量来预测公司未来的盈利状况，这必将是公司财务处理的一个新发展。
数据挖掘技术越来越多地被用于预测研究。集成学习方法作为数据挖掘技术中一种较新的方法，由于其在提高预测的准确性上的优点，正被越来越多的研究者使用。
尽管许多领域都应用集成学习方法来进行研究，但在对公司未来盈利的预测研究上还很少，在国内尚未见到任何报导。虽然Takashi Washio等人对日本上市公司的未来盈利状况进行了研究，但是他们只是将盈利状况分为两种情况来进行研究。本文通过利用集成学习方法，考虑宏观经济对公司盈利可能造成的影响，提出将宏观经济变量纳入变量体系，同时，为了使结果更有指导意义，将上市公司的每股收益（EPS）指标将公司盈利的情况划分为三类，即EPS为负，EPS大于均值及EPS介于二者之间，对其进行预测研究。
2 研究方法
2.1神经网络
人工神经网络是由大量并行分布式处理单元组成的简单处理单元[1]。由于神经网络具有非线性，自学习能力、自适应性强和容错性高等优点，因而被广泛用于各种非线性预测问题。
所有神经网络都有一个输入层和输出层，一个网络结构可以包含一个或多个隐含层。神经网络的学习是通过调整连接权重和偏差实现的。Cybenko等人证明了如果神经网络利用一个有界的，连续的，非递减的激活函数时，只要不对隐含层的神经元数进行限制，一个三层网络（包含一个隐含层）就能够学习任意一个在输入和输出空间的连续映射[2]。在实际应用中用的最多的是BP神经网络。
BP神经网络是一种基于误差后向传播算法（BP算法）的多层感知器网络。BP神经网络的激活函数一般采用Log-Sigmoid或Tangent Sigmoid等可微函数。BP算法分为两个阶段。第一阶段是前向过程，逐层计算各神经元的输出值，第二阶段是误差后向传播过程，从后向前逐层传播输出层的误差并据此修正各层权重，直到输出结果满足预先设定的精度要求或达到算法设定的最大循环次数。
2.2神经网络集成
如何根据观测数据学习得到精确估计是机器学习领域中人们非常关注的一个问题，机器学习的一个重要目标就是对新的测试样本尽可能给出最精确的估计。构造一个高精度估计是一件相当困难的事情，然而产生多个只比随机猜测好的粗糙估计却很容易。传统的机器学习方法是在一个由各种可能的函数构成的空间中寻找最接近实际分类函数的分类器。常用的单个分类器模型主要有决策树、人工神经网络等。
集成学习（ensemble learning）的基本思想是在对新的实例进行分类的时候，把若干个单个分类器集成起来，通过对多个分类器的分类结果按某种方式来进行组合，决定最终的分类，以取得比单个分类器更好的结果。如果把单个分类器比作一个决策者的话，集成学习方法就相当于多个决策者共同进行一项决策。
尽管单个神经网络在处理非线性问题上表现良好，但是用单个神经网络来进行预测，一个不足的地方就是结果的稳定性差。因为神经网络的预测结果受网络各层之间的初始权重影响很大。为了克服这一不足，本文利用集成学习的思想，采用以BP神经网络作为基分类器的神经网络集成方法来对公司未来盈利状况进行预测。
以神经网络作为基分类器构建集成模型的方法主要有Bagging和Boosting。本文选择采用Bagging方法，因为Bagging方法较易于实现，而且不容易产生过拟合现象。对一个已知的有n个数据元素的数据集，Bagging法的原理是[1]：对每次循环（=1，2，…，），采用有放回的随机抽样方法从数据集中抽取m个数据形成训练集（mn），分类器模型从中学习。为了对一个未知的元素X分类，每个都返回一个分类值，将该分类值看成是一票，而最后的集成分类器，通过统计这些投票，将X归为得票最多的那一类。
3 研究步骤与具体实例分析
3.1样本选取
本文采用的上市公司数据样本来自天软数据库。在剔除了财务变量有大量缺失值后，样本共包含从2001年至2006年的深市和沪市A股的1174家上市公司。其中，沪市上市公司734家，深市440家。本文选取了反映上市公司偿债能力，成长能力，经营能力，资本结构，盈利能力，现金流，每股指标等方面的29个财务变量作为初始变量。此外，为了研究宏观经济环境对公司未来盈利的影响，相应的选择了2001年至2006年的三个宏观经济变量：国内生产总值增长率（GDP），居民消费价格指数增长率（CPI）及一年期金融机构贷款基准利率。这几个变量都与公司的盈利状况有着密切的关系。国内生产总值反映了整个国家的经济状况，而居民消费价格指数是反映居民购买并用于消费的商品和服务项目价格水平的变动趋势和变动幅度的相对数，它可以全面反映多种市场价格变动因素及其对居民实际生活的影响程度。一年期金融机构贷款基准利率会影响公司的营运成本，会对公司的利润产生直接的影响。所有变量见附表。
为了预测未来公司的盈利状况，本文将数据样本分为训练样本和测试样本。其中，训练样本由2001年至2005年的公司样本数据用有放回的随机抽样方法得到，每个训练样本包含1000个观测，测试样本是用相同方法得到的上市公司在2006年的数据样本，包含400个观测。
3.2指标选择
对于初始变量表，变量之间存在着相关性。虽然神经网络对变量间的相关性具有较强的容忍度，但是，变量太多会增加网络的复杂度，还有可能使网络过适应，从而使得网络在测试样本上的表现很差，而且并不是变量越多，神经网络的预测精度就越大，所以适当选择具有代表性的指标变量既可以达到与用所有变量相同的预测精度，又能降低网络的复杂度，避免使网络陷入过适应，提高网络的训练速度。
然而，运用神经网络方法，对输入变量的选取目前并没有一个公认的方法。为了从众多的初始变量中选择具有代表性的变量，本文利用spss Clementine11.1数据挖掘软件包选项面板中的建模栏中的特征选择节点来对变量进行筛选。通过构建一个带有特征选择节点的流，可以为每一训练集筛选出重要的变量。利用筛选出来的变量和全部变量分别对训练样本进行训练，得到两种神经网络模型，分别对测试样本进行分类，并分别构建集成模型。
3.3 建立模型
本文是对2001年至2005年上市公司的数据样本进行训练得到单个神经网络模型，用该模型对测试样本进行预测。如何产生不同的分类模型是影响集成模型准确性的一个重要因素[4]。以下四种方法——不同的初始条件，不同的网络结构，不同的训练数据，不同的训练算法常用来产生分类模型。本文采用不同的训练数据和不同的网络结构这两种方式结合得到基神经网络。
按照Bagging方法的要求，本文采用有放回随机抽样方法，从训练样本中随机抽取了15个子训练集，并用相同的方法从测试集中抽取了400个样本数据组成测试集。每个子训练集含有1000个样本，它们均由2001至2005年的200个公司样本组成。利用特征选择节点在每个训练集上选出的变量分别在这15个子样本上进行训练得到子分类器，然后用这些子分类器对测试样本进行分类。采用多数投票法对子分类器进行集成，得到集成方法在测试集上的预测结果。
3.4 结果分析
为了比较集成模型与单个神经网络预测准确率的差异，按照单个神经网络模型预测准确率按升序进行排序，分别计算了由7个、9个、11个、13个、15个基神经网络模型构成的集成模型的预测准确率，集成模型，不论是由用全部变量进行训练得到的基神经网络构建还是由用筛选出的变量进行训练得到的构建，都显示出了很高的准确率，而且得到的预测准确率相当稳定。
4 结论
本文利用神经网络集成的方法，以上市公司过去的财务数据和宏观经济数据为样本，对上市公司的未来盈利状况进行预测。研究结果表明，相比于单个神经网络模型，尽管选用7个预测精度最差的单个神经网络作为基神经网络，其集成网络的预测准确率仍然很高，因而集成方法得到的结果更稳定，更具有说服力。
由于上市公司管理水平的差异，影响公司盈利状况的因素又多，所以要想较好的刻画它们对盈利状况的影响，是一个很有挑战性的问题。本文的研究结果还表明，采用神经网络集成方法来研究未来盈利状况是可行的。进一步的研究可以从以下几个方面考虑：
（1）变量的选取。为了使预测更为准确，在建模时，需要考虑更多的影响因素。由于公司盈利状况跟公司的管理水平直接相关，因此，如何合理选取量化一些有关公司治理的指标变量，将它们加入到模型中去，是一个值得深入研究的问题。
（2）产生集成神经网络的方法。除了Bagging方法，还有其他产生集成神经网络的方法，比如Boosting方法。不同的方法会得到不同的结果，从而通过比较不同的结果，可以得到一个用来研究此类问题的最好的方法。
参考文献：
[1] Lars Kar Hansen， Peter Salamon. Neural network ensembles，IEEE transactions on pattern analysis and machine intelligence，vol.12， pp993-1001， 1990.
[2] Li-Chiu Chia，Tseng-Chung Tang. Artificial neural networks in reorganization outcome and investment of distressed firms： The Taiwanese case， Expert Systems with Applications， vol.29，pp641-652， 2005.
[3] Jiawei Han Micheline Kamber， data mining; concepts and tech-niques（second edition）[M]．北京：机械工业出版社，2006．
