军队医院机动卫勤分队战备训练考核评估

发布时间：2021-07-14 14:45

　　针对军队医院机动卫勤分队战备训练的特点,建立考核评估指标体系。采用专家咨询、建立战备训练考核评估指标体系;基于序关系分析法（G1法）确定指标权重;并通过BP（Back Propagation）神经网络（BPNN）模拟专家进行定量评价,最终构建一套较为科学的战备训练考核评估模型。课题组通过对评价结果进行仿真检验证明,运用上述方法建立的考核评估系统,能够全面、客观、真实地反映军队医院机动卫勤分队战备训练的水平和效果,而其本身直观、简便和容易计算的特点也得到充分体现。 

【文章来源】：解放军医院管理杂志. 2019,26(10)

【文章页数】：7 页

【部分图文】：

模型建立及检验测试流程

BP神经网络是一种多层前馈式网络。该网络的提出源于1986年Rumelhart,Hinton,Williams[5]和Rumelhart,McCelland[6]的工作,因其具有任意复杂的模式分类能力和优良的多维函数映射能力,BP神经网络在医学[7]、军事[8]、电器工程[9]、经济管理[10]和环境科学[11]等多个领域都有着广泛的应用。理论上已证明,三层BP神经网络只要隐含层节点数足够多,就具有模拟任意复杂的非线性映射的能力[12]。因此本文涉及的BP神经网络,其拓扑结构如图2所示,包含一个输入层、一个隐含层和一个输出层,每层都有若干神经元组成,左、右各层各神经元间实现全连接。输入层的输入为X=(x1,x2,Lxn),n为输入层节点数。根据X,输入层和隐含层间连接权值wij,和隐含层阈值aj,计算得到隐含层第i个神经元的输出:

据此BP神经网络拓扑结构设计为67—16—1,按该结构调用MATLAB 7.0神经网络工具箱中newff函数建立BP神经网络。将表4中编号1～20的样本中X1～ X67的数据作为输入,相应的考评总分(S)作为期望输出导入BP神经网络。设置均方误差为1×10-6,训练步数为200,初始化其他参数后,按第3部分所述方式进行训练。训练过程和拟合情况分别见图3和图4。图4 BP神经网络训练样本拟合情况

【参考文献】：
期刊论文
[1]基于BP神经网络的商业银行信用风险度量模型研究[J]. 曾嵘欣.  金融发展研究. 2018(06)
[2]基于BP神经网络的污染物浓度多模式集成预报[J]. 张恒德,张庭玉,李涛,张天航.  中国环境科学. 2018(04)
[3]基于改进集成聚类和BP神经网络的电压偏差预测[J]. 王知芳,杨秀,潘爱强,陈甜甜,谢真桢.  电工电能新技术. 2018(05)
[4]基于Delphi-BP神经网络的装备保障能力评估[J]. 赵师,屈洋.  火力与指挥控制. 2017(02)
[5]BP神经网络在高频彩超特征诊断乳腺癌中的应用[J]. 叶华容,杨怡,林萱,舒志成,朱长才,许珊丹.  中国卫生统计. 2016(01)
[6]基于BP神经网络的时间序列预测问题研究[J]. 杨娟丽,徐梅,王福林,王吉权,刘慧.  数学的实践与认识. 2013(04)



本文编号：3284343