买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：黑龙江省疾病预防控制中心

摘要：本发明公开了一种基于BP神经网络的食源性疾病致病因子预测的方法，该预测方法包括以下步骤：S1、数据采集，收集、整理食源性疾病事故案例，建立食源性疾病样本分析数据库，并对每个样本包含的特征项记录；S2、确定训练集和测试集并进行属性选择与神经元定义；有益效果：建立深层BP神经网络模型，通过增加神经网络隐藏层的层数改进网络结构，优化网络计算复杂度，建立食源性疾病流行病学致病因子精准分析预测网络模型，并通过带有自学习功能的动态迁移网络实时更新迭，提高了食源性疾病致病因子预测的判别模型网络的执行效率和灵敏度；对缺失的数据进行预处理，重构了含缺失项的数据并对其进行分析，使之参与有效网络计算。

主权项：1.一种基于BP神经网络的食源性疾病致病因子预测的方法，其特征在于：该预测方法包括以下步骤：S1、数据采集，收集、整理食源性疾病事故案例，建立食源性疾病样本分析数据库，并对每个样本包含的特征项记录；S2、确定训练集和测试集并进行属性选择与神经元定义；S3、对缺失的数据进行预处理，将空值用NaN表示，为了构建准确率较好的深层BP神经网络食源性疾病致病因子预测模型，在训练网络前需要对含NaN的数据做处理；S4、建立深层BP神经网络系统模型，并用上述训练集数据训练网络；S5、将测试集数据输入模型，分析灵敏度和特异性；所述S3中数据每一列为一个样本数据，每一行为一个特征项数据，A数据中第二个样本的第一个特征项缺失，将A中NaN用第一行特征项的数据去掉缺失数据的剩余数据的均值代替，并加一行标识行，标识行中0代表前一行对应位置是NaN数据，1代表前一行对应位置不是NaN，通过上述处理得到所述S4中包括以下步骤1、采用深层BP神经网络构建食源性疾病致病因子预测模型；2、基于真实样本数据的数学模型建模；3、建立计算机应用模型；4、基于计算机应用模型，获得致病因子预判结果；所构建预测模型中深层BP神经网络包括两个阶段：前向传播阶段和误差反向传播阶段；前向传播阶段：传播方向为输入层→隐藏层→输出层，根据每层的输入值计算出输出值再将作为下一层的输入值逐层计算得到最终输出层的实际输出yi，i＝1，2；输入层第i个节点的输出为： 第l-1层隐含层第i个节点输出为： 输出层第i个节点输出为： 误差反向传播阶段：即对于训练样本输入数据xi，即x1,x2,....,xpi，输出数据yi，即y1,y2,...,yqi，其中i＝1,N用网络net的输出为fnetx|W,b，目标函数为： 其中Lx为误差函数，即为均方误差，训练的目标是使JW,b；x,y最小化，采用梯度下降方法沿前向传播阶段的反方向逐层返回，对各层神经元节点的权值和阈值进行修正： 令表示第i层神经元对最终误差的影响，可得 通过上述训练使误差逐步减小，修改后的网络的最终输出接近目标输出值，上述模型中，nl为第l层神经元个数；L为隐藏层的层数；xj,j＝1,2....,p为输入层的第l个神经元节点，其中p为输入层神经元个数；yi，i＝1，....，q为输出层的第i个神经元节点，其中q为输出层神经元个数； 表示第i层的第l个神经元节点到第i层的第l-1个神经元节点的权值； 表示第l层到第i层的第i个神经元节点的阈值；flx表示第l层神经元的传递函数；gx表示输出层的传递函数。

全文数据：

权利要求：

百度查询： 黑龙江省疾病预防控制中心 基于BP神经网络的食源性疾病致病因子预测的方法和系统