资源描述：
《心理健康评估模型研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、个人认为，数学化是一切科学发展的趋势，哪怕是研究人类精神世界的心理学也应如此。事实上，现代心理学领域屮己经冇越来越多的数学成分，也运用了越来越多的数学思路和数学方法。不过我们也看到，目前近、现代心理学中已经运用的一些数学思路和方法很多都没有严密、精确的实证性，而如何在心理学屮精确、严密而广泛运用数学的思路和方法，如何使心理学的知识系统和认知程序有越来越精确、严密和数学化的实证性和可操作性，是本文作者感兴趣并且想冇所探究的问题。本文仅撷取了心理健康评估这一小课题作为主要研究内容，希槊有所收获。对于心理健康的评估，本文采用心理测验法，重点介绍了心理测验的基本原理和常用技术，从而给出
2、本次论文的训练样本。在对神经网络和心理评估作了简单介绍之后，着手建立了评估心理健康状态的神经网络双层感知器模型，以影响心理健康三个相对最重要的维度变量：常规表现（有持续时间），人格，性格为输入矢量，通过Matlab神经网络工具箱训练样本，使用训练多层网络的算法一BP算法，输出训练后的权值和阈值，然后对网络进行仿真，最后得到比较精确的输岀。关键词：人工神经网络，数学模型，感知器，心理评估AbstractIbelievethat,themathematizitionisthetendencyofallsciencedevelopment,includingthestudiesoft
3、hehumanPsychology.Infact,inthefieldofmodernpsychology,therehasbeenagrowingnumberofmathematicalcomponents,butalsotheuseofagrowingnumberofmathematicalthinkingandmathematicalmethods.However,wealsonotedthat,atpresent,manyofthemathematicalmethodsdonotstrictlyaccurateempirical.Howtouseaccurate,tig
4、htandextensivemathematicalideasandmethods,howtomakethepsychologyofknowledgesystemsandcognitiveprocessesmoreprecise,andrigorousempiricalandmathematical,thisistheinterestoftheauthor.Thispaperonlycapturesamentalhealthevaluationofthesmallissuesasthemaincontent,hopingtogetsomebreakthroughs.Astoth
5、ementalhealthassessment,weusethewaynamedpsychologicaltest,andweintroducedtheessentialtheoryandusualskillofit,soastogetthesamplesofthispaper・Aftertheintroductionofneuralnetworkandpsychologicalassessment,weimmediatelysetupaneuralnetworkmodel,withconventionalperformance(duration),personality,ch
6、aracterasthethreeinputvector,whichhavethemostimpactonmentalhealth.UsingMatlabneuralnetworktoolboxtotrainthesamples,bytheBP,andwehavegetmorepreciseoutput・Keywords:artificialneuralnetworks,mathematicalmodel,perception,psychologicalassessment第1章绪论11.1数学与心理学11.1.1数学心理学、心理统计学21.1.2心理研究中的具体数学方法41.
7、2人工神经网络61.2.1人工神经网络的特点101.2.2人工神经网络的主要方向121.2.3神经元模型121.3论文解决的主要问题和研究内容14第2章心理测验法152.1测验法概述152.1.1测验法的含义与特性161.1.2测验的类型171.2测验工具的来源201.3选择测验的方法211.3.1选择测验的方法222.3.2选择测验的原则23第3章基于神经网络的心理评估诊断模型262.1感知器模型262.1.1激活函数的类型282.1.2学习过程301.1.3BP学习算法331.1.4基于
