| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-15页 |
| 1.1 研究背景 | 第8-12页 |
| 1.1.1 人工神经网络 | 第8-10页 |
| 1.1.2 RBF神经网络 | 第10页 |
| 1.1.3 肾小球滤过率 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 RBF神经网络研究现状 | 第12-13页 |
| 1.2.2 肾小球滤过率研究现状 | 第13-14页 |
| 1.3 本文研究内容 | 第14页 |
| 1.4 论文主要工作及结构安排 | 第14-15页 |
| 2 RBF神经网络理论基础 | 第15-20页 |
| 2.1 RBF神经网络信息处理过程 | 第15-17页 |
| 2.2 RBF神经网络结构设计和训练算法 | 第17页 |
| 2.3 RBF神经网络与MLP模型对比 | 第17-19页 |
| 2.4 本章总结 | 第19-20页 |
| 3 改进的RBF神经网络 | 第20-34页 |
| 3.1 基于LM算法的改进研究 | 第21-29页 |
| 3.1.1 LM训练算法基础 | 第21-26页 |
| 3.1.2 LM算法应用于RBF神经网络的改进研究 | 第26-29页 |
| 3.2 基于递增策略的网络结构设计 | 第29-32页 |
| 3.2.1 隐含层神经元递增设计 | 第29-31页 |
| 3.2.2 实验及结果分析 | 第31-32页 |
| 3.3 本章总结 | 第32-34页 |
| 4 基于RBF神经网络的GFR估算模型 | 第34-46页 |
| 4.1 建模技术路线 | 第34-35页 |
| 4.2 数据收集 | 第35页 |
| 4.3 数据预处理 | 第35-39页 |
| 4.3.1 数据可视化分析 | 第36-37页 |
| 4.3.2 数据归一化 | 第37-39页 |
| 4.3.3 数据随机分组 | 第39页 |
| 4.4 GFR神经网络估算模型 | 第39-44页 |
| 4.4.1 基于改进LM算法的RBF神经网络模型 | 第40-41页 |
| 4.4.2 基于改进LM算法和递增策略的RBF神经网络模型 | 第41-42页 |
| 4.4.3 传统RBF神经网络 | 第42-44页 |
| 4.5 本章总结 | 第44-46页 |
| 5 神经网络预测模型与GFR经验方程的性能评估与比较 | 第46-52页 |
| 5.1 GFR经验方程 | 第46页 |
| 5.2 性能评估指标与统计分析方法 | 第46-47页 |
| 5.2.1 一致性分析 | 第47页 |
| 5.2.2 准确性分析 | 第47页 |
| 5.3 各模型训练结果对比 | 第47-49页 |
| 5.3.1 一致性评估与对比 | 第47-48页 |
| 5.3.2 准确性评估与对比 | 第48-49页 |
| 5.4 神经网络模型泛化性能对比 | 第49-50页 |
| 5.4.1 一致性评估与对比 | 第49页 |
| 5.4.2 准确性评估与对比 | 第49-50页 |
| 5.5 本章总结 | 第50-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-60页 |
