癌症发病预测_微电子学.doc

  • 需要金币1000 个金币
  • 资料包括:完整论文
  • 转换比率:金钱 X 10=金币数量, 即1元=10金币
  • 论文格式:Word格式(*.doc)
  • 更新时间:2014-10-10
  • 论文字数:10884
  • 当前位置论文阅览室 > 论文模板 > 论文选题 >
  • 课题来源:(21克拉)提供原创文章

支付并下载

摘要:在生物体的神经网络中,存在一种“侧抑制”机制,即一个神经细胞会通过它的分支在兴奋后对其它的神经细胞产生抑制作用.自组织竞争人工神经网络正是基于上述生物结构和现象形成的.它能够对输入模式进行自组织训练和判断,并最终将其分为不同的类型.

与BP网络相比这种自组织自适应的学习能力进一步拓宽了人工神经网络在模式识别、分类方面的应用.另一方面,竞争学习网络的核心——竞争层,又是多种其它神经网络模型的重要组成部分.

   利用神经网络自身的学习能力我们可以对其进行训练,让整个网络为我们进行相关信息的预测,例如采集普通人和癌症患者的基因样本用来训练网络,让网络可以区分癌症患者的基因样本与正常样本之间的不同,从而可以对人是否携带致癌的基因进行确认以达到对癌症进行提前预测的目的.

关键词: BP神经网络;自组织竞争神经网络;神经元

 

目录

摘要

ABSTRACT

第1章 绪论-1

1.1 癌症相关-1

1.1.1 癌症与基因的关系-1

1.1.2 癌症的检测手段-1

1.2 计算机神经网络的发展-1

1.2.1 第一次神经网络大发展-1

1.2.2 第二次神经网络大发展-4

1.2.3  Matlab发展史-4

1.3 神经网络的研究概况-5

第2章 癌症发病预测-7

2.1 自组织竞争网络概述-7

2.2 神经网络代码实现-8

第3章 神经网络在Matlab中的实现-11

3.1 实验程序-11

3.2实验使用的基因组数据-12

3.3 带入数据后的运行结果-14

第4章 神经网络输出结果-19

4.1 训练结果-19

4.2预测结果-20

第5章 结论-23

5.1 结论-23

5.2 不足之处及未来展望-23

参考文献-24

致  谢-25