總結：

一、研究內容

　　本文研究了CAL-BP（基於隱層的競爭學習與學習率的自適應的改進BP算法）在癥狀證型分類預測中的應用。

二、算法思想

　　1、隱層計算完各節點的誤差後，對有最大誤差的節點的權值進行正常修正，

　　　 而對其它單元的權值都向相反方向修正，用 δ表示隱層節點的權值修正量，

則修正量的調整公式具體為

　　2、每次算法叠代完以後，計算誤差函數的值並與前一次的值進行比較，如果誤差函數的值增大，

　　 則代表過調了學習率，應在下一次叠代時以一定比率下調學習率 ]，若誤差函數的i+1值減小，

　　 則代表學習率增幅可以加大，用z 代表第次叠代時的學習率，E+ 代表 +1次叠代後

　　 的誤差函數具體改變值，則第 +2次叠代時的學習率為：

三、結論

　　本文中應用改進算法，誤差經過反復修改可固定在0.0403，識別率達83.6%，訓練時間也從普通1分40縮短到11秒。

　　CAL-BP比普通的BP收斂快，訓練時間少，識別率高等。

四、我的理解

　　算法方面：對數據的預處理（輸入數據的處理和量化處理及輸出數據的量化處理）整體上有了一個把握，算法裏以前感覺比較抽象的地方，具體化了。

　　思想方面：利用手頭的數據來做一個仿真的具體實踐推進了一步。　

五、不理解的部分

　　描述量化的地方，量化值的取值有一個地方沒有搞明白（下圖熒光色的地方：為什麽三種證型，量化值取{0 1 2 3}

　　算法思想也有不懂的地方，就是公式的表達來源。

其他就是需要自己實踐實踐了。繼續加油嘛~~

讀論文《BP改進算法在哮喘癥狀-證型分類預測中的應用》