双向联想记忆神经网络及其在肺癌患者分类判别中的应用.pdf

《双向联想记忆神经网络及其在肺癌患者分类判别中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第22卷，第2期光谱学与光谱分析VoI.22，No.2，pp341-3442002年4月SpectroscopyandSpectraIAnaIysisApriI，2002!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!双向联想记忆神经网络及其在肺癌患者分类判别中的应用张卓勇1，周化岚2，刘思东21.首都师范大学化学系，北京1000372.东北师范大学化学学院，吉林长春130024摘要给出双向联想记忆（BAM）神经网络的基本原理。在此基础上，根据血清中微量元素的

2、含量，将双向联想记忆神经网络用于正常人与肺癌患者的分类判别。实验结果表明：用独立预测样本作检验，在本工作所选定的条件下，可以达到100%的正确识别率。并讨论了双向联想记忆神经网络的影响因素。主题词双向联想记忆；人工神经网络；分类；微量元素；血清；肺癌中图分类号：R446文献标识码：A文章编号：1000-059（32002）02-0341-04近年来，微量元素与各种癌症之间的关系越来越受到人""｛-1，1｝P们的重视［1~3］。微量元素与癌症之间的关系比较复杂，元素构成一组矢量对（!，"），s=0，⋯，M-1，共用M对样本矢ss之间可能存

3、在着相互影响或协同作用。以前我们曾利用误差量。将它们存入双向联想存储器即可进行由!到"或由"反向传播的前馈人工神经网络方法（BP-ANN）对正常人与癌到!的双向联想。即给定!（或"）可经联想作用得到对应的症患者作了分类判别研究［4］，效果较好，但存在一些区分不开标准样本"（或!）。当有噪声或缺损时，联想功能可使样本或误分的样本。为此，我们将双向联想记忆网络用于对正常对复原。人与癌症患者作了分类判别研究，在本工作选定的条件下，可利用人工神经网络实现的BAM有多种结构形式，这里只以达到100%的正确识别率。介绍最基本的一种，即Kosko型B

4、AM。图1示出由双层网络构成的BAM，在图1中，与矢量!相应的一层有N个节点，另一1基本原理层对应的矢量B，由P个节点构成。两层之间双向连接。假定由"到!的传输为正向，正向的突触权重矩阵为#，反之，联想是由一个事物联想到另一个事物的思维活动。在神由!到"的反向传输突触权重矩阵是#T。经网络理论中，将相互关联的两个事物称为一个模式对，记为（!（），"（）），并希望用一个神经元网络来实现这种联想。为此，除可采用HopfieId网络和BM（BoItzmanmachine）网络外，还可采用被称之为“联想存储器”的一类网络，以实施对模式对的联想记

5、忆［5］。联想是神经网络特有的特征。Kosko提出的双向联想记忆（BidirectionaIassociativememo-ry，缩写为BAM）是两层反馈网络，可以实现异联想记忆的功能。它使用前向和反向双向联想，从一输入对（!，"）回忆一相关的双极性向量对（!，"），即称为异（双向）联想存储Fig.1Bidirectionalassociativememorynetworkmodel器［6］。如果输入矢量由上层加入，且相应于网络中"稳定状双向联想存储器可以存储两组矢量，N维矢量!与P维态，则经#之作用产生!稳定状态。同理，若输入矢量在下

6、矢量"的表达式分别如下：层，且相应于!的稳定状态，则经#T之作用产生"稳定状!=［a，a，⋯，a］T（1）态。01N-1!"｛-1，1｝N当任意矢量输入时，网络要经若干次迭代计算至稳定状"=［J，J，⋯，J］T（2）态。为说明此过程，可与自联想记忆原理对比，在那里，演变01P-1过程可示意为收稿日期：2001-02-15，修订日期：2001-05-26基金项目：国家教育部中青年骨干教师基金资助作者简介：张卓勇，1956年生，博士，首都师范大学化学系教授，博士研究生导师342光谱学与光谱分析第22卷!"（I）!"（I+1）如果BAM网络神

7、经元函数阈值等于0，则称为齐次BAM!"（I+1）!"（I+2）网络。定义齐次BAM网络的能量函数为⋯1T1TTE（$，#）=-$!#-#!$（5）⋯"（I+k）22由于经k次迭代至收敛，对应网络的稳定状态。#T!T$=#（T$T!）T=（$T!#）T=$T!#（6）对BAM，若输入为任意矢量，网络状态演变过程可示意为所以有!#（I）!$（I+1）E（$，#）=-$T!#（7）!T$（I+1）!#（I+2）一般情况下神经元非线性函数阈值非零，此时称为非齐!#（I+2）!$（I+3）次BAM网络。它的能量函数表达式为⋯⋯E（$，#）=-$

8、T!#+$TT（8）直到$，#均为稳定状态，演变过程结束。!+#"式中网络的学习（训练）遵从Hebb规则。若给定M个双极性T（9）!=（!0，!1，⋯，!N-1）矢量对（：$0，#0），（$1，#1），⋯，