人工神经网络的应用逐渐广泛,已经发展到各个前沿领域,在神经专家系统、模式识别、智能控制、组合优化、预测等领域得到成功应用。文章通过对经过PCA算法降维预处理后的数据进行BP神经网络数据分类,比较和分析数据经BP神经网络、RBF神经网络、ANFIS神经网络后的分类误差。经实验分析,BP神经网络、RBF神经网络、ANFIS神经网络分类误差分别为0.000 5,971.935,0.025 3,传统BP神经网络更适合文章中所采集的脑卒中患者数据分类知道网络输出达到可以接受的精度[2]。对于训练样本{(()())}Nnxndn1,=，BP神经网络算法实现如下[3-4]：（1）初始化。随机选取各层突触的连接权值与阈值，选取的分布通常选择均值为0的均匀分布。分类方法研究-电动折弯机数控滚圆机滚弧机张家港液压滚圆机滚弧机（2）训练样本的呈现。向网络呈现出一个回合的训练样本，对以某种形式排列的每个样本进行训练时，按顺序进行前向计算和反向计算本文由公司网站滚圆机网站 转载中国知网整理! http://www.gunyuanjixie.com。（3）前项计算。在该回合中设一个训练样本是，为输入向量，为期望响应向量。不断地经由网络一层一层地前进，对于层的神经元如图1所示。（1）图1神经元j细节的信号流式中，m=m0—神经元j在网络的第一隐层的所有输入的数量；()()ynli1—第l-1层神经元i迭代n次时的输出信号；()()wnbnjlji=—第l层神经元i指向第l层神经元j的权值；φ(·)—非线性激活函数sigmoid函数，()xex+=11φ所以第l层的神经元j的输出信号可以表示：(())yvnjjlj=（2）如果神经元j是在第一隐藏层，则()yxnjj=0，即输入的第j个元素。如果神经元j在输出层即l=L层，则()yonjLj=，计算误差信号()()()endnonjjj=，dj（n）为期望响应向量d（n）的第j向量。（4）反向计算。计算网络的局域梯度δ，定义为：项目基金：吉林市科技计划项目；项目编号：201537112。作者简介：吴洁（1981—），女，吉林吉林，讲师。基于BP神经网络的脑卒中患者分类方法研究吴洁1，曲畅2，王华3（1.北华大学电气信息工程学院，吉林吉林132012；2.长春理工大学电子信息工程学院，吉林长春130022；3.上海电子信息职业技术学院计算机应用系，上海201411）摘要：人工神经网络的应用逐渐分类方法研究-电动折弯机数控滚圆机滚弧机张家港液压滚圆机滚弧机本文由公司网站滚圆机网站 转载中国知网整理! http://www.gunyuanjixie.com