基于改进遗传算法优化BP神经网络的糖尿病并发症预测模型

摘要：

BP神经网络是在深度学习的研究中使用较为频繁的神经网络.本文提出一种改进遗传算法优化BP神经网络的算法(IGABP),利用遗传算法的全局搜索能力优化BP神经网络的初始结构.由于遗传算法易陷入局部最优解,影响自身的寻优能力,故对遗传算法进行改进,最后构建糖尿病并发症预测模型进而预测糖尿病并发症的发生.本文改进遗传算法的选择算子并改进自适应遗传算法的交叉及变异概率公式.通过构建预测模型,将改进后的IGABP与BP、GABP、AGABP进行比较.仿真实验结果表明,使用IGABP进行预测的准确率要明显优于BP、GABP与AGABP,并且加快了网络的收敛速度.

关键词：遗传算法、BP神经网络、自适应、糖尿病预测、数据预处理

分类号：TP301.6(计算技术、计算机技术)

资助基金：山东省产教融合研究生联合培养示范基地项目2020-19

在线出版日期：2022-12-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：69-74