| 中文摘要 | 第1-7页 |
| ABSTRACT | 第7-10页 |
| 第一章 引言 | 第10-14页 |
| 一、 研究背景 | 第10-12页 |
| 1 概念、历史发展及医学方面的应用 | 第10-11页 |
| 2 与传统统计学方法的比较研究 | 第11页 |
| 3 实际应用中的问题 | 第11-12页 |
| 4 本文重点探讨的领域 | 第12页 |
| 二、 研究目的和方法 | 第12-14页 |
| 1 研究目的 | 第12-13页 |
| 2 研究方法 | 第13页 |
| 3 资料来源和分析工具 | 第13-14页 |
| 第二章 BP网络原理和算法改进 | 第14-20页 |
| 一、 BP网络结构和原理的简介 | 第14-17页 |
| 二、 BP算法的局限和改进 | 第17-18页 |
| 三、 学习过程的统计描述 | 第18-20页 |
| 第三章 BP网络应用中的问题---构建与优化的研究 | 第20-61页 |
| 第一节 对无隐含层BP网络的研究 | 第21-44页 |
| 一、 网络结构设计的一般过程 | 第21-22页 |
| 二、 网络训练过程 | 第22-23页 |
| 三、 ANN模型的评价指标 | 第23-25页 |
| 四、 输出为连续变量的单层BP模型的构建---模拟1 | 第25-35页 |
| 五、 输出为两值变量的单层BP网络模型---模拟2 | 第35-41页 |
| 六、 ANN模型参数的选择 | 第41-43页 |
| 七、 讨论和小结 | 第43-44页 |
| 第二节 隐含层的功能和隐单数量的探讨 | 第44-54页 |
| 一、 隐含层的功能的说明 | 第44-46页 |
| 二、 隐含层和隐单元的数量 | 第46-47页 |
| 三、 用信息熵确定隐单元数的研究 | 第47-49页 |
| 四、 加入隐含层的BP网络模型---模拟3 | 第49-52页 |
| 五、 加入隐含层的BP网络模型---模拟4 | 第52-54页 |
| 六、 小结 | 第54页 |
| 第三节 修剪算法应用研究 | 第54-61页 |
| 一、 修剪算法(pruning algorithms)的原理和步骤介绍 | 第55-56页 |
| 二、 单层BP网络修剪和变量筛选关系的研究 | 第56-58页 |
| 三、 多层BP网络的修剪效果 | 第58-60页 |
| 四、 小结 | 第60-61页 |
| 第四章 实例分析(一)---临床预后诊断的ANN分析 | 第61-71页 |
| 一 样本采集 | 第61-62页 |
| 二 BP网络结构和训练 | 第62页 |
| 三 Logistic回归模型分析 | 第62-65页 |
| 四 BP模型分析 | 第65-70页 |
| (一) 利用单层BP网络进行探查危险因素 | 第65-68页 |
| (二) 有隐含层的BP网络的判别表现 | 第68-70页 |
| 五 结果讨论 | 第70-71页 |
| 第五章 实例分析(二)---生存资料的预后分析 | 第71-81页 |
| 一 生存资料的BP模型 | 第71-73页 |
| 二 资料来源 | 第73页 |
| 三 Logistic回归分析 | 第73-77页 |
| 四 BP网络模型的建立和结果 | 第77-81页 |
| (一) 利用单层网络进行危险因素筛选 | 第77-79页 |
| (二) 多层BP网络对预后的预测 | 第79-80页 |
| (三) 结果讨论 | 第80-81页 |
| 第六章 研究总结 | 第81-84页 |
| 一 讨论 | 第81页 |
| 二 总结 | 第81-83页 |
| 三 创新点和进一步研究的方向 | 第83-84页 |
| 参考文献: | 第84-89页 |
| 致谢 | 第89-90页 |
| 综述 | 第90-104页 |
