人工神经网络算法毕业论文中的matlab源码

随着信息技术的飞速发展,数据库管理信息系统应用的规模、范围和深度不断扩大和深入,系统中存储积累的数据也越来越多,但是现有的数据库管理信息系统实现的基本上都是传统的数据管理功能,只是对数据进行一些传统的查询、统计操作或固定的数学指标的计算等,数据资源并没有得到充分的利用,造成很大的资源浪费,也难以满足新形势下管理决策人员对数据支撑的需求。 当前医院竞争形势日趋激烈,医院如何提高自身在社会上的竞争优势就显得尤为重要,医院要实现自身的生存与发展离不开科学有效的管理,因此管理决策人员除了需要传统的查询统计结果,还非常迫切地需要对一些指标进行科学地预测,从而能够在此基础上做出下一步科学有效的工作安排,合理准备材料、安排人员,进而达到节约资源,提高医院综合竞争优势的目标。 在医院管理信息系统中存储积累了多年的门诊量、住院病人量、药品使用量等与时间有关的时间序列数据,目前国内外对此类数据进行预测已经有了一些研究成果,其中有两种应用比较广泛的预测模型,分别是灰色模型和人工神经网络模型,这两种模型分别采用不同的算法来实现通过历史数据对未来数据进行预测的功能,能够取得较好的预测精度,也都有其各自的优点。 灰色模型具有建模所需样本数据少、原理简单、运算方便、短期预测精度高等优点,而人工神经网络模型能够并行计算、模仿多种函数,具有良好的适应、自学习能力和较强的容错能力等优点。但是无论是灰色模型还是人工神经网络模型,其作为单一的预测模型还是存在一定的不足,比如灰色模型有对数据的波动性适应不够理想、对历史数据有很强的依赖性等不足,人工神经网络模型有对样本容量要求较大、预测结果受个人经验影响比较大、网络学习和记忆具有不稳定性等不足。单一模型存在自身难以解决的问题。 首先研究基本灰色模型GM(1,1)的使用,分析其存在的缺陷,并对其进行改进,利用改进的GM(1,1)模型对某医院的月门诊量进行预测,通过预测结果分析其存在的不足。然后利用人工神经网络模型对门诊量进行预测,同样分析其存在的不足。 为了提高数据预测的精度,吸取两种模型的优点,提出了一种改进的组合预测模型。 用改进的灰色模型来对历史数据进行拟合,历史数据与拟合数据的差值构成残差序列,通过人工神经网络模型对残差序列进行修正,然后将改进的灰色模型预测产生的基本数据与修正后的残差序列结合,得到组合模型预测结果。改进的灰色模型、人工神经网络模型和组合模型预测结果的均方误差分别为13465、14235、10548,http://www.yifanglunwen.com/post/47.html平均相对误差分别为8.09%、9.60%、6.27%。从预测结果的误差指标上可以看出,组合预测模型在很大程度上克服了单一模型的不足,进一步提高了数据预测的精度。

function y = DELGKT3_kuta（f haby0varvec）
format long;
N = （b-a）/h;
y = zeros（N+11）;
y（1） = y0;
x = a:h:b;
var = findsym（f）;
for i=2:N+1
   K1 = Funval（fvarvec[x（i-