论文总字数：28135字

摘 要

人工智能是近年来发展迅速的学科之一，未来其相关技术在各个领域的应用备受人们瞩目。本课题使用基于BP神经网络模型的java程序算法，对一套关于大学生是否有抑郁或焦虑的心理问题及其程度的评估测试问卷进行训练，从而得到一套较优的评估算法。

首先基于现有的两套分别关于抑郁和焦虑的评估测试的测试题目，通过程序随机产生一组包含不同抑郁等级及其可能具有的行为特征的样本和一组包含不同焦虑等级及其可能具有的行为特征的样本，加以结合，得到一组包含了抑郁和焦虑两个方面信息的样本。

将组合前的样本的抑郁等级和焦虑等级作为理想输出结果，通过BP神经网络算法对组合后的样本进行训练，并在训练过程中不断优化网络结构，得到一组训练后的BP神经网络权值矩阵。

根据训练后的权值矩阵初始化得到的BP神经网络算法模型，可通过输入一组测试对象的行为特征来评估测试对象的抑郁和焦虑情况，即为目标的评估算法模型。

关键词：BP神经网络模型；java程序算法；心理健康评估算法；

Design and Implementation of Student Mental Health Assessment System Algorithm Based on Artificial Intelligence

07314120 Wang Hanbin

Superised by Jiang Feng

Abstract

Artificial intelligence is one of the rapidly developing disciplines in recent years. In the future, the application of related technologies in various fields has attracted much attention. This topic uses a java program algorithm based on BP neural network model to train a set of assessment test questionnaires on whether college students have depression or anxiety problems and their degree, so as to obtain a set of evaluation algorithms.

Firstly, based on the existing two sets of test questions on depression test and anxiety test respectively, a set of randomly generated samples containing different levels of depression and possible behavioral features and a set of different levels of anxiety are included. Samples of behavioral characteristics were combined to obtain a set of samples containing information on both aspects of depression and anxiety.

Second, depression level and anxiety level of the pre-combination sample are taken as the ideal output results. The combined samples are trained by the BP neural network algorithm, and the network structure is continuously optimized during the training process to obtain a set of trained BP neural network weights. matrix.

At last,according to the BP neural network algorithm model initialized by the trained weight matrix, the behavior of a group of test subjects can be used to assess the depression and anxiety of the test subject, which is the evaluation algorithm model of the target.

Keywords：BP neural network, java program algorithm, Mental health assessment algorithm

目 录

摘要 3

第一章 引言 3

1.1 研究背景与意义 3

1.2 文献综述 3

1.3 人工神经网络基本概念 4

1.3.1 人工神经网络的定义 4

1.3.2 简单人工神经元模型 4

1.3.3 人工神经网络模型分类 5

第二章 BP神经网络学习算法 7

2.1 BP神经网络模型 7

2.2 BP神经网络学习算法 8

2.2.1输入信号正向传递 8

2.2.2 误差反向传播与权值阈值更新增量 8

2.2.3 网络权值阈值更新公式 9

2.3 动态结构神经网络 10

2.3.1 动态增加神经元提高训练效率 10

2.3.2 动态删减神经元简化网络结构 11

第三章 java模型实现 13

3.1 训练样本类TestSampleCreater 13

3.2 BP神经网络模型类BP 20

3.2.1 神经网络网络初始化 21

3.2.2 信号正向传递、误差反向传播、更新网络权值 23

3.3.3 无反馈预测、打印权值矩阵 24

3.3.4 增减隐含层神经元 25

3.3动态调节神经元类BPChanger 27

3.3.1 动态增加神经元提高训练效率 27

3.3.2 动态删减冗余神经元简化网络结构 29

3.4 训练过程、输出与结果调用 32

3.4.1 训练过程 32

3.4.2 训练输出结果 34

3.4.3 对结果的调用 37

第四章 总结 39

4.1 结果与分析 39

4.2不足与拓展 40

参考文献 42

致 谢 43

附录A 测试题目 44

第一章 引言

1.1 研究背景与意义

人工智能是计算机学科的分支之一，也被认为是现在世界上最尖端的技术之一。尤其是进入二十一世纪以来，人工智能技术发展迅速，现已逐渐成为一个独立的学科，并发展出了自己的一套理论和系统，在各个科学领域都有着巨大的应用空间。

剩余内容已隐藏，请支付后下载全文，论文总字数：28135字