总结：

一、研究内容

　　本文研究了CAL-BP（基于隐层的竞争学习与学习率的自适应的改进BP算法）在症状证型分类预测中的应用。

二、算法思想

　　1、隐层计算完各节点的误差后，对有最大误差的节点的权值进行正常修正，

　　　  而对其它单元的权值都向相反方向修正，用 δ表示隐层节点的权值修正量，

       则修正量的调整公式具体为

　　2、每次算法迭代完以后，计算误差函数的值并与前一次的值进行比较，如果误差函数的值增大，

　　     则代表过调了学习率，应在下一次迭代时以一定比率下调学习率 ]，若误差函数的i+1值减小，

　　     则代表学习率增幅可以加大，用z 代表第次迭代时的学习率，E+ 代表 +1次迭代后

　　     的误差函数具体改变值，则第 +2次迭代时的学习率为：

三、结论

　　本文中应用改进算法，误差经过反复修改可固定在0.0403，识别率达83.6%，训练时间也从普通1分40缩短到11秒。

　　CAL-BP比普通的BP收敛快，训练时间少，识别率高等。

四、我的理解

　　算法方面：对数据的预处理（输入数据的处理和量化处理及输出数据的量化处理）整体上有了一个把握，算法里以前感觉比较抽象的地方，具体化了。

　　思想方面：利用手头的数据来做一个仿真的具体实践推进了一步。　

五、不理解的部分

　　描述量化的地方，量化值的取值有一个地方没有搞明白（下图荧光色的地方：为什么三种证型，量化值取{0 1 2 3}），需要再琢磨或请教。

 　　算法思想也有不懂的地方，就是公式的表达来源。

其他就是需要自己实践实践了。继续加油嘛~~

读论文《BP改进算法在哮喘症状-证型分类预测中的应用》