肺癌的診斷問題各國醫(yī)學(xué)界已作了一些研究，并取得了某些實際的成果。但是，由于肺癌的多種類型以及多種相關(guān)因素，使得現(xiàn)有的診斷在準(zhǔn)確性和實用性方面都存在著相當(dāng)?shù)木窒扌裕缃?fù)雜困難。由于對影響罹病與否的各種因子的作用機制了解得不是很清楚，如何建立診斷模型，以及如何確定新建立的模型在何種程度上與實際情況相吻合還是一個問題；容錯能力不強，適用范圍不廣；依賴于某個病例庫新建立起來的醫(yī)學(xué)模型往往具有很強的局限性，用于新的病例庫時誤差有時較大。另外，由于醫(yī)學(xué)方面的原因，我們收集到的數(shù)據(jù)有時不完整，而現(xiàn)有的研究方法所建立起的醫(yī)學(xué)模型由于容錯性差，對這些不完整的數(shù)據(jù)通常都難以處理。以非線性大規(guī)模并行分布處理為特點的人工神經(jīng)網(wǎng)絡(luò)理論突破了傳統(tǒng)的線性處理模式，以其高度的并行性，良好的容錯性和自適應(yīng)能力成為人們研究其賴以生存的非線性世界，探索和研究某些復(fù)雜大系統(tǒng)的有力工具。

原理與方法

神經(jīng)網(wǎng)絡(luò)是一個具有高度非線性的超大規(guī)模連續(xù)時間動力系統(tǒng)。是由大量的處理單元(神經(jīng)元)廣泛互連而形成的網(wǎng)絡(luò)。它是在現(xiàn)代神經(jīng)科學(xué)研究成果的基礎(chǔ)上提出的，反映了腦功能的基本特征。但它并不是人腦的真實描寫，而只是它的某種抽象、簡化與模擬。網(wǎng)絡(luò)的信息處理由神經(jīng)元之間的相互作用來實現(xiàn)；知識與信息的存儲表現(xiàn)為網(wǎng)絡(luò)元件互連間分布式的物理聯(lián)系；網(wǎng)絡(luò)的學(xué)習(xí)和計算決定于各神經(jīng)元連接權(quán)系的動態(tài)演化過程。因此神經(jīng)元構(gòu)成了網(wǎng)絡(luò)的基本運算單元。每個神經(jīng)元具有自己的閾值。每個神經(jīng)元的輸入信號是所有與其相連的神經(jīng)元的輸出信號和加權(quán)后的和。而輸出信號是其凈輸入信號的非線性函數(shù)。如果輸入信號的加權(quán)集合高于其閾值，該神經(jīng)元便被激活而輸出相應(yīng)的值。在人工神經(jīng)網(wǎng)絡(luò)中所存儲的是單元之間連接的加權(quán)值陣列。

神經(jīng)網(wǎng)絡(luò)的工作過程主要由兩個階段組成，一個階段是工作期，此時各連接權(quán)值固定，計算單元的狀態(tài)變化，以求達(dá)到穩(wěn)定狀態(tài)。另一階段是學(xué)習(xí)期(自適應(yīng)期，或設(shè)計期)，此時各計算單元狀態(tài)不變，各連接權(quán)值可修改(通過學(xué)習(xí)樣本或其他方法)，前一階段較快，各單元的狀態(tài)亦稱短期記憶(STM)，后一階段慢的多，權(quán)及連接方式亦稱長期記憶(LTM)〔1〕。

根據(jù)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和學(xué)習(xí)規(guī)則可將人工神經(jīng)網(wǎng)絡(luò)分為多種類型，如不含反饋的前向神經(jīng)網(wǎng)絡(luò)、層內(nèi)有相互結(jié)合的前向網(wǎng)絡(luò)、反饋網(wǎng)絡(luò)、相互結(jié)合型網(wǎng)絡(luò)等〔2〕。本文的人工神經(jīng)網(wǎng)絡(luò)模型是采用BP算法的多層前饋網(wǎng)絡(luò)。

該模型的特點是信號由輸入層單向傳遞到輸出層，同一層神經(jīng)元之間互不傳遞信息，每個神經(jīng)元與鄰近層所有神經(jīng)元相連，連接權(quán)用Wij表示。各神經(jīng)元的作用函數(shù)為Sigmoid函數(shù)，設(shè)神經(jīng)網(wǎng)絡(luò)輸入層的p個節(jié)點，輸出層有q個節(jié)點，k-1層的任意節(jié)點用l表示，k層的任意節(jié)點用j表示，k+1層的任意節(jié)點用l表示。Wij為k-1層的第i個神經(jīng)元與k層的第j個神經(jīng)元相連接的權(quán)值。k-1層的節(jié)點i輸出為O(k-1)i，k層節(jié)點j的輸出為：

摘要：根據(jù)現(xiàn)代控制技術(shù)的人工神經(jīng)網(wǎng)絡(luò)理論提出了一種保護(hù)原理構(gòu)成方案，并分析了原理實現(xiàn)的可行性和技術(shù)難點。

人工神經(jīng)網(wǎng)絡(luò)（AartificialNeuralNetwork，下簡稱ANN）是模擬生物神經(jīng)元的結(jié)構(gòu)而提出的一種信息處理方法。早在1943年，已由心理學(xué)家WarrenS.Mcculloch和數(shù)學(xué)家WalthH.Pitts提出神經(jīng)元數(shù)學(xué)模型，后被冷落了一段時間，80年代又迅猛興起［1］。ANN之所以受到人們的普遍關(guān)注，是由于它具有本質(zhì)的非線形特征、并行處理能力、強魯棒性以及自組織自學(xué)習(xí)的能力。其中研究得最為成熟的是誤差的反傳模型算法（BP算法，BackPropagation），它的網(wǎng)絡(luò)結(jié)構(gòu)及算法直觀、簡單，在工業(yè)領(lǐng)域中應(yīng)用較多。

經(jīng)訓(xùn)練的ANN適用于利用分析振動數(shù)據(jù)對機器進(jìn)行監(jiān)控和故障檢測，預(yù)測某些部件的疲勞壽命［2］。非線形神經(jīng)網(wǎng)絡(luò)補償和魯棒控制綜合方法的應(yīng)用（其魯棒控制利用了變結(jié)構(gòu)控制或滑動?？刂疲趯崟r工業(yè)控制執(zhí)行程序中較為有效［3］。人工神經(jīng)網(wǎng)絡(luò)（ANN）和模糊邏輯（FuzzyLogic）的綜合，實現(xiàn)了電動機故障檢測的啟發(fā)式推理。對非線形問題，可通過ANN的BP算法學(xué)習(xí)正常運行例子調(diào)整內(nèi)部權(quán)值來準(zhǔn)確求解［4］。

因此，對于電力系統(tǒng)這個存在著大量非線性的復(fù)雜大系統(tǒng)來講，ANN理論在電力系統(tǒng)中的應(yīng)用具有很大的潛力，目前已涉及到如暫態(tài)，動穩(wěn)分析，負(fù)荷預(yù)報，機組最優(yōu)組合，警報處理與故障診斷，配電網(wǎng)線損計算，發(fā)電規(guī)劃，經(jīng)濟(jì)運行及電力系統(tǒng)控制等方面［5］。

本文介紹了一種基于人工神經(jīng)網(wǎng)絡(luò)（ANN）理論的保護(hù)原理。

1、人工神經(jīng)網(wǎng)絡(luò)理論概述

1財務(wù)管理決策支持系統(tǒng)的研究現(xiàn)狀

決策支持系統(tǒng)經(jīng)過二十多年的發(fā)展，形成了如圖l所示公認(rèn)的體系結(jié)構(gòu)。它把模型并入信息系統(tǒng)軟件中，依靠管理信息系統(tǒng)和運籌學(xué)這兩個基礎(chǔ)逐步發(fā)展起來。它為解決非結(jié)構(gòu)化決策問題提供了相應(yīng)的有用信息，給各級管理決策人員的工作帶來了便利。從圖1可以看出決策支持系統(tǒng)體系結(jié)構(gòu)可劃分為三級，即語言系統(tǒng)(LS)級、問題處理系統(tǒng)(PPS)級和知識系統(tǒng)fKS)級。其中問題處理系統(tǒng)級包括推理機系統(tǒng)(RS)、模型庫管理系統(tǒng)(MBMS)、知識庫管理系統(tǒng)(KBMS)及數(shù)據(jù)庫管理系統(tǒng)(DBMS)。知識系統(tǒng)級包括模型庫(MB)、知識庫(KB)及數(shù)據(jù)庫(DBo九十年代中期，興起了三個輔助決策技術(shù)：數(shù)據(jù)倉庫(DW)、聯(lián)機分析處理(0LAP)和數(shù)據(jù)挖掘(DM)。聯(lián)機分析處理是以客戶，服務(wù)器的方式完成多維數(shù)據(jù)分析。數(shù)據(jù)倉庫是根據(jù)決策主題的需要匯集大量的數(shù)據(jù)庫，通過綜合和分析得到輔助決策的信息。數(shù)據(jù)挖掘顧名思義，是為了獲得有用的數(shù)據(jù)，在大量的數(shù)據(jù)庫中進(jìn)行篩選。人工智能技術(shù)建立一個智能的DSS人機界面，可進(jìn)行圖、文、聲、像、形等多模式交互，人機交互此時變得更為自然和諧，人們能沉浸其中，進(jìn)行合作式、目標(biāo)向?qū)降慕换シ椒?。從目前情況來看，財務(wù)決策支持系統(tǒng)的研究還處于初級發(fā)展階段，財務(wù)數(shù)據(jù)的保密性、特殊性決定了財務(wù)決策不能全部公開化、透明化，但隨著中央及國務(wù)院相關(guān)部門財務(wù)預(yù)決算數(shù)據(jù)的公開，財務(wù)決策系統(tǒng)及其支持系統(tǒng)和過程也將隨之公開，這就要求決策者充分利用財務(wù)知識和決策支持系統(tǒng)的知識“聰明”決策、合理決策、科學(xué)決策、規(guī)范決策。

2財務(wù)管理神經(jīng)網(wǎng)絡(luò)智能決策支持系統(tǒng)總體研究框架

2．1神經(jīng)網(wǎng)絡(luò)運行機制神經(jīng)網(wǎng)絡(luò)的著眼點是采納生物體中神經(jīng)細(xì)胞網(wǎng)絡(luò)中某些可利用的部分，來彌補計算機的不足之處，而不是單單用物理的器件去完整地復(fù)制。第一，神經(jīng)網(wǎng)絡(luò)中的鏈接的結(jié)構(gòu)和鏈接權(quán)都可以通過學(xué)習(xí)而得到，具有十分強大的學(xué)習(xí)功能；第二，神經(jīng)網(wǎng)絡(luò)所記憶的信息是一種分布式的儲存方式，大多儲存在神經(jīng)元之間的權(quán)中；第三，神經(jīng)網(wǎng)絡(luò)部分的或局部的神經(jīng)元被破壞后，仍可以繼續(xù)進(jìn)行其他活動，不影響全局的活動，因此說，神經(jīng)網(wǎng)絡(luò)的這種特性被稱作容錯性；第四，神經(jīng)網(wǎng)絡(luò)是由大量簡單的神經(jīng)元組成的，每個神經(jīng)元雖然結(jié)構(gòu)簡單，但是它們組合到一起并行活動時，卻能爆發(fā)出較快較強的速度來。我們可以利用神經(jīng)網(wǎng)絡(luò)的上述特點，將之應(yīng)用于模式識別、自動控制、優(yōu)化計算和聯(lián)想記憶、軍事應(yīng)用以及決策支持系統(tǒng)中。

2.2財務(wù)管理神經(jīng)網(wǎng)絡(luò)集成智能財務(wù)DSS的必然性在企業(yè)經(jīng)營管理、政府機構(gòu)財務(wù)活動中，人們時常面臨著財務(wù)決策。人們往往需要根據(jù)有關(guān)的理論及經(jīng)驗制定出一系列的衡量標(biāo)準(zhǔn)。這種評價是一個非常復(fù)雜的非結(jié)構(gòu)化決策過程，一般都是由內(nèi)行專家根據(jù)一定的專業(yè)理論憑經(jīng)驗和直覺在收集大量不完全、不確定信息基礎(chǔ)上建立起多級指標(biāo)體系。但在這種指標(biāo)體系中，各種指標(biāo)之間的關(guān)系很難明確，而且還受評價者的效用標(biāo)準(zhǔn)和主觀偏好所左右。因此，很難在指標(biāo)體系和評價目標(biāo)間建立起準(zhǔn)確的定量或定性模型。因此，我們需要采用一種可處理不確定性、不完全性信息的評價方法以支持決策。自然，利用人工神經(jīng)網(wǎng)絡(luò)構(gòu)造系統(tǒng)模式來支持這類評價決策問題是目前財務(wù)管理智能決策支持系統(tǒng)的一種發(fā)展趨勢和必然趨勢圈。

2．3財務(wù)管理神經(jīng)網(wǎng)絡(luò)集成智能DSS系統(tǒng)框架神經(jīng)網(wǎng)絡(luò)智能決策支持系統(tǒng)主要以知識、數(shù)據(jù)和模型為主體，結(jié)合神經(jīng)網(wǎng)絡(luò)進(jìn)行推理與數(shù)據(jù)開采。圖2給出了神經(jīng)網(wǎng)絡(luò)智能決策支持系統(tǒng)研究框架『2I。研究中有兩個重點，即神經(jīng)網(wǎng)絡(luò)推理系統(tǒng)和神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)開采系統(tǒng)。

1計算智能概述

計算智能（ComputationalIntelligenee，簡稱CI），又稱軟計算，該詞于1992年被美國學(xué)者J.C.Bezdekek首次提出，1994年全計算智能大會明確提出了計算智能的概念，標(biāo)志著計算智能作為一門獨立學(xué)科的誕生。傳統(tǒng)的人工智能問題的處理、結(jié)論的得出都需要在建立精確的數(shù)字模型的基礎(chǔ)上才能實現(xiàn)，但現(xiàn)實中有很多的數(shù)據(jù)都是模糊的，無法建立精確的模型，使得人工智能的應(yīng)用范圍相對狹窄，而計算智能則突破了人工智能的瓶頸，以模型為基礎(chǔ)，模擬人的理論與方法，只需要直接輸入數(shù)據(jù)，系統(tǒng)就可以對數(shù)據(jù)進(jìn)行處理，應(yīng)用范圍更加的廣泛。計算智能的本質(zhì)是一類準(zhǔn)元算法，主要包括進(jìn)化計算，人工神經(jīng)網(wǎng)絡(luò)、模糊計算、混沌計算、細(xì)胞自動機等，其中以進(jìn)化計算、人工神經(jīng)網(wǎng)絡(luò)及模糊系統(tǒng)為典型代表。

1.1進(jìn)化計算

進(jìn)化計算是采用簡單的編碼技術(shù)來表示各種復(fù)雜的結(jié)構(gòu)，并通過遺傳操作和優(yōu)勝劣汰的自然選擇來指導(dǎo)學(xué)習(xí)和確定搜索的方向，具有操作簡單、通用性強、效率高的優(yōu)點，其工作原理是通過種群的方式進(jìn)行計算，借助生物進(jìn)化的思想來解決問題，分為遺傳算法、進(jìn)化規(guī)劃及進(jìn)化策略三大類。

1.2人工神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)是一個高度復(fù)雜的非線性動力學(xué)系統(tǒng)，具有模糊推理、并行處理、自訓(xùn)練學(xué)習(xí)等優(yōu)勢，其工作原理是仿照生物神經(jīng)網(wǎng)絡(luò)處理信息方式，通過不同的算法和結(jié)構(gòu)，將簡單的人工神經(jīng)細(xì)胞相互連接，通過大量的人工神經(jīng)單元來同時進(jìn)行信息的傳播，并將信息儲存在改革細(xì)胞單元的連接結(jié)構(gòu)中，快速地得到期望的計算結(jié)構(gòu)。生物神經(jīng)網(wǎng)絡(luò)的細(xì)胞是在不斷的生成和更新著的，即部分細(xì)胞壞死，整個神經(jīng)網(wǎng)絡(luò)仍能維持正常的運轉(zhuǎn)秩序而不會驟然崩潰，同樣人工神經(jīng)網(wǎng)絡(luò)也有著這樣的特性，即使部分神經(jīng)細(xì)胞發(fā)生問題，整個網(wǎng)絡(luò)也能夠正常的運轉(zhuǎn)。人工神經(jīng)網(wǎng)絡(luò)按照連接方式的不同分為前饋式網(wǎng)絡(luò)與反饋式網(wǎng)絡(luò)，前饋式網(wǎng)絡(luò)結(jié)構(gòu)中的神經(jīng)元是單層排列的，分為輸入層、隱藏層及輸出層三層，信息的傳播是單向的，每個神經(jīng)元只與前一層的神經(jīng)元相連，即信息只能由輸出層傳向隱藏層再傳向輸入層，而不能由輸出層直接傳向輸入層；反饋式網(wǎng)絡(luò)結(jié)構(gòu)中每個人工神經(jīng)細(xì)胞都是一個計算單元，在接受信息輸入的同時還在向外界輸出著信息。不同的行業(yè)和領(lǐng)域可以根據(jù)自身的需要將不同的網(wǎng)絡(luò)結(jié)構(gòu)和學(xué)習(xí)方法相結(jié)合，建立不同的人工神經(jīng)網(wǎng)絡(luò)模型，實現(xiàn)不同的研究目的。

摘要：隨著經(jīng)濟(jì)的不斷發(fā)展，科技的提高，開闊了各個行業(yè)的發(fā)展前景，計算機網(wǎng)絡(luò)得到良好改善。隨著社會經(jīng)濟(jì)的發(fā)展，計算機成為人們?nèi)粘Ｉ畋貍溆闷罚且胗嬎銠C網(wǎng)絡(luò)迅速發(fā)展，還需要提高運行能力和整體性能，使計算機不斷滿足當(dāng)下社會的需求。計算機網(wǎng)絡(luò)模型具備儲存信息、使信息規(guī)劃等不同特點，保證使用人員能夠快速搜索所需要信息。同時，計算機網(wǎng)絡(luò)還具備優(yōu)化的優(yōu)勢，使信息聯(lián)想，計算機神經(jīng)網(wǎng)絡(luò)算法可以構(gòu)造全面的信息儲存庫，保證信息儲存和信息處理。

關(guān)鍵詞：計算機網(wǎng)絡(luò)模型；神經(jīng)網(wǎng)絡(luò)算法

計算機網(wǎng)絡(luò)在人們?nèi)粘Ｉ钤絹碓街匾?，被廣泛應(yīng)用到各個行業(yè)。隨著社會不斷發(fā)展，人們需求不斷加高，使計算機得到良好改善，目前，計算機網(wǎng)絡(luò)運用集線式服務(wù)器來實現(xiàn)網(wǎng)絡(luò)互連，促進(jìn)網(wǎng)絡(luò)發(fā)展。但是也有很大弊端，過多的聯(lián)想信息雖然滿足人們需求，但是對技術(shù)的要求也更加苛刻，現(xiàn)有的技術(shù)滿足不了計算機網(wǎng)絡(luò)運行，使人們?nèi)粘２僮鞑环奖恪榱私鉀Q這一問題，研究人員需要全面優(yōu)化計算機網(wǎng)絡(luò)，提高運行能力和性能，運用神經(jīng)網(wǎng)絡(luò)算法，使計算機更加適合現(xiàn)代社會發(fā)展，儲存更多信息。

1神經(jīng)網(wǎng)絡(luò)算法概論分析

1.1神經(jīng)網(wǎng)絡(luò)算法整體概論神經(jīng)網(wǎng)絡(luò)算法是按照人體大腦的思維方式進(jìn)行模擬，根據(jù)邏輯思維進(jìn)行推理，將信息概念化形成人們認(rèn)知的符號，呈現(xiàn)在顯示屏前。根據(jù)邏輯符號按照一定模式進(jìn)行指令構(gòu)造，使計算機執(zhí)行。目前，神經(jīng)網(wǎng)絡(luò)被廣泛使用，使直觀性的思維方式分布式存儲信息，建立理論模型。優(yōu)化網(wǎng)絡(luò)的神經(jīng)網(wǎng)絡(luò)主要是Hop?eld神經(jīng)網(wǎng)絡(luò)，是1982年由美國物理學(xué)家提出的，它能夠模擬神經(jīng)網(wǎng)絡(luò)的記憶機理，是全連接的神經(jīng)網(wǎng)絡(luò)。Hop?eld神經(jīng)網(wǎng)絡(luò)中的每個神經(jīng)元都能夠信號輸出，還能夠?qū)⑿盘柾ㄟ^其他神經(jīng)元為自己反饋，那么其也稱之為反饋性神經(jīng)網(wǎng)絡(luò)。

1.2優(yōu)化神經(jīng)網(wǎng)絡(luò)基本基礎(chǔ)Hop?eld神經(jīng)網(wǎng)絡(luò)是通過能量函數(shù)分析系統(tǒng)，結(jié)合儲存系統(tǒng)和二元系統(tǒng)的神經(jīng)網(wǎng)絡(luò)，Hop?eld神經(jīng)網(wǎng)絡(luò)能收斂到穩(wěn)定的平衡狀態(tài)，并以其認(rèn)為樣本信息，具備聯(lián)想記憶能力，使某種殘缺信息進(jìn)行回想還原，回憶成完整信息。但是Hop?eld神經(jīng)網(wǎng)絡(luò)記憶儲存量有限，而且大多數(shù)信息是不穩(wěn)定的，合理優(yōu)化計算機聯(lián)想問題，使Hop?eld神經(jīng)網(wǎng)絡(luò)能夠建設(shè)模型。