| 摘要 | 第1-10页 |
| Abstract | 第10-14页 |
| 第一部份文献综述 | 第14-34页 |
| 1-1. 神经网络技术在国内中医学界的应用现况 | 第14-22页 |
| 1-2. 数据挖掘方法在国内中医六经辨证与方证对应的应用现况 | 第22-29页 |
| 1-3. 证候要素与方剂要素的研究现况 | 第29-34页 |
| 第二部份专项研究 | 第34-130页 |
| 一、前言 | 第34-41页 |
| 二、研究目的 | 第41-42页 |
| 三、神经网络理论基础 | 第42-61页 |
| ·非线性回归法建模的困难处 | 第42页 |
| ·神经网络建模特点 | 第42-44页 |
| ·人工神经网络发展简史 | 第44-45页 |
| ·人工神经网络的应用领域 | 第45-47页 |
| ·生物神经网络与脑神经元 | 第47-50页 |
| ·神经网络神经元模型 | 第50-54页 |
| ·人工神经网络的典型结构 | 第54-56页 |
| ·层次型神经网络 | 第54-56页 |
| ·互联型神经网络 | 第56页 |
| ·神经网络的基本学习方式和学习规则 | 第56-59页 |
| ·有监督学习方式 | 第57页 |
| ·无监督学习方式 | 第57-58页 |
| ·联想式学习:Hebb学习规则 | 第58页 |
| ·纠错式学习:Delta(δ)学习规则 | 第58-59页 |
| ·人工神经网络的仿真(回想,推算) | 第59页 |
| ·典型的神经网络模型 | 第59-61页 |
| ·感知器神经网络 | 第59-60页 |
| ·线性神经网络 | 第60页 |
| ·BP倒传递神经网络 | 第60页 |
| ·径向基函数网络 | 第60页 |
| ·Elman反馈网络 | 第60页 |
| ·HopfieId反馈网络 | 第60-61页 |
| 四、研究方法与步骤 | 第61-72页 |
| ·本研究所采用的的计算机相关工具 | 第61-62页 |
| ·进行《伤寒论》证候要素、方剂要素、方-证要素对应体系的结构分析 | 第62页 |
| ·伤寒论分析根据蓝本 | 第62页 |
| ·药性归类依据 | 第62页 |
| ·采用BP倒传递网络(Back Propagation Network,BPN) | 第62-70页 |
| ·学习过程数值分析步骤 | 第67-69页 |
| ·回想(仿真,推算)过程数值分析步骤 | 第69-70页 |
| ·最陡坡降法(Steepest Descent Method) | 第70-71页 |
| ·非线性共轭梯度法(Conjugate Gradient Method) | 第71-72页 |
| 五、研究技术路线 | 第72-74页 |
| 六、研究结果 | 第74-112页 |
| ·伤寒论处方的结构分析 | 第74-75页 |
| ·以神经网络技术来建立主证-药物对应的数学模式y=f(x) | 第75-97页 |
| ·将伤寒论结构分析的结果转换到数据库内 | 第75-77页 |
| ·建立主证x向量,药物y向量 | 第77-79页 |
| ·让神经网络学习这些主证x向量与药物y向量的关联,从而计算出权值与阀值的最佳解 | 第79-80页 |
| ·本研究神经网络的操作参数 | 第80-82页 |
| ·产出权值W_(ij)与阀值θ_j向量,建立伤寒论主证-药物对应的数学模型 | 第82-85页 |
| ·将已经建立好的伤寒论主证-药物对应数学模型,应用于实际的推测方药 | 第85-88页 |
| ·比较各种不同的读取输入样本量,对系统求解过程收敛效果的影响 | 第88-95页 |
| ·改善求解过程误差均方根收敛效率的方法(1):调整学习率参数 | 第95页 |
| ·改善求解过程误差均方根收敛效率的方法(2):使用共轭梯度法来计算系统的最佳解 | 第95-97页 |
| ·以神经网络技术来建立"证候要素vs方剂要素"对应的数学模式y=f(x) | 第97-112页 |
| ·将伤寒论结构分析的结果转换到数据库内 | 第97-98页 |
| ·建立证候要素x向量,方剂要素y向量 | 第98-100页 |
| ·让神经网络学习这些证候要素x向量与方剂要素y向量的关联,从而计算出权值与阀值的最佳解 | 第100-101页 |
| ·神经网络操作参数 | 第101页 |
| ·产出权值W_(ij)与阀值θ_j向量,建立伤寒论方-证要素对应的数学模型 | 第101-105页 |
| ·将已经建立好的伤寒论方-证要素对应数学模型,应用于实际的推测方药 | 第105-107页 |
| ·比较各种不同的读取伤寒论方-证要素对应输入样本量,对系统求解过程收敛效果的影响 | 第107-110页 |
| ·改善求解过程误差均方根收敛效率的方法(1)(2):调整学习率参数与使用非线性共轭梯度法 | 第110页 |
| ·改善求解过程误差均方根收敛效率的方法(3):权值与阀值读取前面最佳解当作目前起始值的改良收敛法 | 第110-112页 |
| 七、讨论 | 第112-127页 |
| ·伤寒论神经网络数学模型,应用于实际推算药物的讨论 | 第112-118页 |
| ·主证-药物对应系统与方-证要素对应系统,两者药物节点数不同的讨论 | 第118-121页 |
| ·主证-药物对应系统与方-证要素对应系统,两者主证词汇简化与统一的讨论 | 第121-125页 |
| ·方-证要素对应系统与主证-药物对应系统,求解过程收敛效率的讨论 | 第125-127页 |
| 八、结论 | 第127-130页 |
| 参考文献 | 第130-135页 |
| 附录A:《伤寒论》方-证要素对应体系的结构分析 | 第135-177页 |
| 附录B:所撰写的程序源码内容 | 第177-195页 |
| 致谢 | 第195-196页 |
| 个人简历 | 第196-199页 |
