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(shí)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(shí)用性方面都存在著相當(dāng)?shù)木窒扌?，如建模?fù)雜困難。由于對影響罹病與否的各種因子的作用機(jī)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(shí)際情況相吻合還是一個(gè)問題；容錯(cuò)能力不強(qiáng)，適用范圍不廣；依賴于某個(gè)病例庫新建立起來的醫(yī)學(xué)模型往往具有很強(qiáng)的局限性，用于新的病例庫時(shí)誤差有時(shí)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(shí)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(cuò)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(diǎn)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(cuò)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(gè)具有高度非線性的超大規(guī)模連續(xù)時(shí)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(shí)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(shí)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(jì)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(yùn)算單元。每個(gè)神經(jīng)元具有自己的閾值。每個(gè)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(gè)階段組成，一個(gè)階段是工作期，此時(shí)各連接權(quán)值固定，計(jì)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(jì)期)，此時(shí)各計(jì)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(diǎn)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(gè)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(gè)節(jié)點(diǎn)，輸出層有q個(gè)節(jié)點(diǎn)，k-1層的任意節(jié)點(diǎn)用l表示，k層的任意節(jié)點(diǎn)用j表示，k+1層的任意節(jié)點(diǎn)用l表示。Wij為k-1層的第i個(gè)神經(jīng)元與k層的第j個(gè)神經(jīng)元相連接的權(quán)值。k-1層的節(jié)點(diǎn)i輸出為O(k-1)i，k層節(jié)點(diǎn)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(shí)現(xiàn)的可行性和技術(shù)難點(diǎn)。

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(shí)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(qiáng)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(jī)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(bǔ)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?，在實(shí)時(shí)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(shí)現(xiàn)了電動機(jī)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(yùn)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(gè)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(bào)，機(jī)組最優(yōu)組合，警報(bào)處理與故障診斷，配電網(wǎng)線損計(jì)算，發(fā)電規(guī)劃，經(jīng)濟(jì)運(yùn)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(cái)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(yùn)籌學(xué)這兩個(gè)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(jī)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(gè)輔助決策技術(shù)：數(shù)據(jù)倉庫(DW)、聯(lián)機(jī)分析處理(0LAP)和數(shù)據(jù)挖掘(DM)。聯(lián)機(jī)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(gè)智能的DSS人機(jī)界面，可進(jìn)行圖、文、聲、像、形等多模式交互，人機(jī)交互此時(shí)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ā哪壳扒闆r來看，財(cái)務(wù)決策支持系統(tǒng)的研究還處于初級發(fā)展階段，財(cái)務(wù)數(shù)據(jù)的保密性、特殊性決定了財(cái)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(cái)務(wù)預(yù)決算數(shù)據(jù)的公開，財(cái)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(cái)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(cái)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(yùn)行機(jī)制神經(jīng)網(wǎng)絡(luò)的著眼點(diǎn)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(bǔ)計(jì)算機(jī)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(qiáng)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(cuò)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(gè)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(shí)，卻能爆發(fā)出較快較強(qiáng)的速度來。我們可以利用神經(jīng)網(wǎng)絡(luò)的上述特點(diǎn)，將之應(yīng)用于模式識別、自動控制、優(yōu)化計(jì)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(cái)務(wù)管理神經(jīng)網(wǎng)絡(luò)集成智能財(cái)務(wù)DSS的必然性在企業(yè)經(jīng)營管理、政府機(jī)構(gòu)財(cái)務(wù)活動中，人們時(shí)常面臨著財(cái)務(wù)決策。人們往往需要根據(jù)有關(guān)的理論及經(jīng)驗(yàn)制定出一系列的衡量標(biāo)準(zhǔn)。這種評價(jià)是一個(gè)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(yàn)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(jià)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(jià)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(jià)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(jià)決策問題是目前財(cái)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(cái)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(gè)重點(diǎn)，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)。

摘要：隨著經(jīng)濟(jì)的不斷發(fā)展，科技的提高，開闊了各個(gè)行業(yè)的發(fā)展前景，計(jì)算機(jī)網(wǎng)絡(luò)得到良好改善。隨著社會經(jīng)濟(jì)的發(fā)展，計(jì)算機(jī)成為人們?nèi)粘Ｉ畋貍溆闷?，但是要想?jì)算機(jī)網(wǎng)絡(luò)迅速發(fā)展，還需要提高運(yùn)行能力和整體性能，使計(jì)算機(jī)不斷滿足當(dāng)下社會的需求。計(jì)算機(jī)網(wǎng)絡(luò)模型具備儲存信息、使信息規(guī)劃等不同特點(diǎn)，保證使用人員能夠快速搜索所需要信息。同時(shí)，計(jì)算機(jī)網(wǎng)絡(luò)還具備優(yōu)化的優(yōu)勢，使信息聯(lián)想，計(jì)算機(jī)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(jì)算機(jī)網(wǎng)絡(luò)模型；神經(jīng)網(wǎng)絡(luò)算法

計(jì)算機(jī)網(wǎng)絡(luò)在人們?nèi)粘Ｉ钤絹碓街匾?，被廣泛應(yīng)用到各個(gè)行業(yè)。隨著社會不斷發(fā)展，人們需求不斷加高，使計(jì)算機(jī)得到良好改善，目前，計(jì)算機(jī)網(wǎng)絡(luò)運(yùn)用集線式服務(wù)器來實(shí)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(jì)算機(jī)網(wǎng)絡(luò)運(yùn)行，使人們?nèi)粘２僮鞑环奖?。為了解決這一問題，研究人員需要全面優(yōu)化計(jì)算機(jī)網(wǎng)絡(luò)，提高運(yùn)行能力和性能，運(yùn)用神經(jīng)網(wǎng)絡(luò)算法，使計(jì)算機(jī)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(jì)算機(jī)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(jī)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(gè)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(jì)算機(jī)聯(lián)想問題，使Hop?eld神經(jīng)網(wǎng)絡(luò)能夠建設(shè)模型。

1計(jì)算智能概述

計(jì)算智能（ComputationalIntelligenee，簡稱CI），又稱軟計(jì)算，該詞于1992年被美國學(xué)者J.C.Bezdekek首次提出，1994年全計(jì)算智能大會明確提出了計(jì)算智能的概念，標(biāo)志著計(jì)算智能作為一門獨(dú)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(shí)現(xiàn)，但現(xiàn)實(shí)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(jì)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(jì)算智能的本質(zhì)是一類準(zhǔn)元算法，主要包括進(jìn)化計(jì)算，人工神經(jīng)網(wǎng)絡(luò)、模糊計(jì)算、混沌計(jì)算、細(xì)胞自動機(jī)等，其中以進(jìn)化計(jì)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(jì)算

進(jìn)化計(jì)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(qiáng)、效率高的優(yōu)點(diǎn)，其工作原理是通過種群的方式進(jìn)行計(jì)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(gè)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(shí)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(jì)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(gè)神經(jīng)網(wǎng)絡(luò)仍能維持正常的運(yùn)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(gè)網(wǎng)絡(luò)也能夠正常的運(yùn)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(gè)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(gè)人工神經(jīng)細(xì)胞都是一個(gè)計(jì)算單元，在接受信息輸入的同時(shí)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(shí)現(xiàn)不同的研究目的。