基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为验证单RBF神经网络更适用于老年痴呆症的预测诊断,通过仿真实验将单BP神经网络、单RBF神经网络、遗传算法优化BP神经网络及遗传算法优化RBF神经网络分别应用于老年痴呆症的预测诊断,建立这四种网络模型,并对四种网络模型的预测结果进行分析比较。仿真实验在Matlab软件平台上进行。结果表明:在老年痴呆症的预测诊断中,单RBF神经网络比单BP神经网络预测结果更好,建模时间更短。此外,单RBF神经网络与遗传算法优化的BP神经网络预测结果相同,但单RBF神经网络建模较为简单,预测结果更为稳定。而遗传算法对RBF神经网络优化作用不明显。因此,单RBF神经网络更适用于老年痴呆症的预测诊断,实际应用时可以此结论作为理论指导。
推荐文章
基于SVM的老年痴呆症智能诊断研究
支持向量机
BP神经网络
RBF神经网络
老年痴呆症预测
数据挖掘
老年痴呆症患者的护理研究
老年人
痴呆
护理进展
老年痴呆症的防治
老年性痴呆
药物治疗
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于RBF神经网络的老年痴呆症智能诊断研究
来源期刊 中国数字医学 学科 医学
关键词 遗传算法 BP神经网络 RBF神经网络 老年痴呆症预测 数据挖掘
年,卷(期) 2015,(6) 所属期刊栏目 【数字诊疗技术与应用】Digital Diagnosis and Treatment Technology and Application
研究方向 页码范围 38-41
页数 4页 分类号 R741|TP391
字数 4027字 语种 中文
DOI 10.3969/j.issn.1673-7571.2015.06.011
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (89)
共引文献  (92)
参考文献  (4)
节点文献
引证文献  (9)
同被引文献  (33)
二级引证文献  (7)
1959(1)
  • 参考文献(0)
  • 二级参考文献(1)
1972(1)
  • 参考文献(0)
  • 二级参考文献(1)
1975(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(6)
  • 参考文献(0)
  • 二级参考文献(6)
2007(6)
  • 参考文献(0)
  • 二级参考文献(6)
2008(9)
  • 参考文献(0)
  • 二级参考文献(9)
2009(11)
  • 参考文献(0)
  • 二级参考文献(11)
2010(9)
  • 参考文献(0)
  • 二级参考文献(9)
2011(15)
  • 参考文献(0)
  • 二级参考文献(15)
2012(13)
  • 参考文献(2)
  • 二级参考文献(11)
2013(3)
  • 参考文献(1)
  • 二级参考文献(2)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2016(3)
  • 引证文献(3)
  • 二级引证文献(0)
2017(3)
  • 引证文献(1)
  • 二级引证文献(2)
2018(2)
  • 引证文献(0)
  • 二级引证文献(2)
2019(5)
  • 引证文献(4)
  • 二级引证文献(1)
2020(3)
  • 引证文献(1)
  • 二级引证文献(2)
研究主题发展历程
节点文献
遗传算法
BP神经网络
RBF神经网络
老年痴呆症预测
数据挖掘
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
中国数字医学
月刊
1673-7571
11-5550/R
大16开
北京市朝阳区光华路甲8号和乔大厦A座528A室
80-133
2006
chi
出版文献量(篇)
6783
总下载数(次)
21
总被引数(次)
25598
论文1v1指导