1、“.....将意义致的对功效术语进行整合表，如将祛风湿与祛风除湿整合为祛风除湿，将利小便与利尿整合为利尿等等，规范后得到个功效术语词组。图药向量训练结构药向量训练流程初始化本研究统计了中药的种属性，采用文献报道的量化方式对其进行数字化，其中将寒热温凉平酸辛甘苦咸毒性采用指数等级量化多层前馈神经网络基础上中药药性量化探究中药学论文对其进行数字化，其中将寒热温凉平酸辛甘苦咸毒性采用指数等级量化其余属性采用值量化，即有此属性时记为，无此属性记为。将统计规范的药属性数据作为每个药向量的初始值，即模型的初始输入值。根据中药药性初始值，对中药向量化模型中药物层与药向量层之间的连接权重进行初始化，使得模型中药向量层的计算值等于此中药药性初始量化值。具体连接权重的计算方式如下。药物层输入为维向量......”。

2、“.....即中药名作为网络的输入，以独热表示的该中药对应的功效作为网络的期望输出，对模型进行训练。对于每味中药，用户期望得到的功效结果为，其中，为功效短语总数目当中药具有第类功效短语时，否则。将模型的输出结果表示为，本研究采用交叉熵损失函数来度量网络的输出结果与真实标签结果的差异，具体为。神经网络的近年来神经网络机器学习等技术的发展为中医药研究提供了新思路。如等借助神经网络对结直肠癌患者的临床处方进行了分析，结果发现神经网络在对病例分析中有优势，基于神经网络建议的处方与病历相似度高达。为分析中医药的整体药性特征，齐方等结合偏最小乘判别法与贝叶斯网络，构建了药物成分之间君臣佐使的网络结构，用以阐明物质成分与中药药性间的内在联系和定量关系。李雨等选取了中华本草中收录的药近年来......”。

3、“.....其中中药的药性的量化研究直被重点关注。蒋永光等依据中药性味数据多值量化规则对中药性味进行数字量化处理，即给性味数据赋以定的数值，以之替代中药负载的性味信息李芳等基于相对药量模型体系提出了中药归经量化的研究思路邹华彬等采用规则作为划分标准对气的强度值进行离散化表示，采用值变量与表示味归经采用阴阳，来标记升浮的药向量在欧几里得距离中距离较近，而功效差异较大的中药药向量在欧几里得距离中距离较远。结论利用神经网络构建药向量训练模型，在中药药性与功效具有关联性的基础上，对药性量化值进行修正，以期使药性量化值更精确。今后可优化模型并开展药对复方分析，以期探明中药药性及组方配伍中蕴藏的内在规律。关键词神经网络中药药性量化功效药向量药性数据中药与疗效有关的性质和性能统称为中解决的问题......”。

4、“.....实现中药的向量表示，量化流程如图所示，主要包含数据规范模型构建及向量训练个部分。数据规范与整理规范药性与功效首先将所选中药的性味归经等属性值域进行规范，中药属性般可概括为寒热温凉平酸苦甘辛咸心肺膀胱肝胆脾肾胃大肠小肠焦心包毒共种描述。然后将所选中药所有的功效进行功效术语规范，将意义致的药物对应的药向量在欧几里得距离中距离较近，而功效差异较大的中药药向量在欧几里得距离中距离较远。结论利用神经网络构建药向量训练模型，在中药药性与功效具有关联性的基础上，对药性量化值进行修正，以期使药性量化值更精确。今后可优化模型并开展药对复方分析，以期探明中药药性及组方配伍中蕴藏的内在规律。关键词神经网络中药药性量化功效药向量药性数据中药与疗效有关的性质和性基础上中药药性量化探究中药学论文......”。

5、“.....提出种基于多层前馈神经网络神经网络的药向量训练，模型，实现中药药性的量化表示。方法首先对中药及其对应的功多层前馈神经网络基础上中药药性量化探究中药学论文药药性，基本内容包括气味升降浮沉归经有毒无毒配伍禁忌等其中，性味归经是最重要的组成部分，也是迄今为止研究最多的部分，。临床上，中医师根据患者的症状体征基于辨证论治理论遣方用药，药性是组方配伍的重要依据。然而，药性表述的抽象性主观性和模糊性使得难以对其准确把握，给中医临床组方配伍带来了挑战。因此，中药药性的量化是中医组方配伍中亟需解决的关键问题，也是现代中医基础理论必需解决的问，获得中药功效样本对其次，构建中药药向量功效层结构的模型，并利用中药的药性数据对模型进行初始化最后，基于模型使用中药功效样本进行训练，得到药向量......”。

6、“.....发现训练后得到的药向量比药性的初始量化值更能反映中药的属性特征。此外，由于药向量与词向量具有相似的性质，发现功效相似的药物对应性并不完全相同，且石膏与黄连的寒凉属性具有定的不可比性。近年来神经网络机器学习等技术的发展为中医药研究提供了新思路。如等借助神经网络对结直肠癌患者的临床处方进行了分析，结果发现神经网络在对病例分析中有优势，基于神经网络建议的处方与病历相似度高达。为分析中医药的整体药性特征，齐方等结合偏最小乘判别法与贝叶斯网络，构建了药物成分之间君臣佐使的网络结构，用以阐明物质成分与中药药的功效术语整合成功效术语词组。摘要目的为解决中药药性描述的抽象模糊导致难以准确把握其本质特性的问题，提出种基于多层前馈神经网络神经网络的药向量训练，模型，实现中药药性的量化表示......”。

7、“.....基本内容包括气味升降浮沉归经有毒无毒配伍禁忌等其中，性味归经是最重要的组成部分，也是迄今为止研究最多的部分，。临床上，中医师根据患者的症状体征基于辨证论治理论遣方用药，药性是组方配伍的重要依据。然而，药性表述的抽象性主观性和模糊性使得难以对其准确把握，给中医临床组方配伍带来了挑战。因此，中药药性的量化是中医组方配伍中亟需解决的关键问题，也是现代中医基础理论必需效进行整理，获得中药功效样本对其次，构建中药药向量功效层结构的模型，并利用中药的药性数据对模型进行初始化最后，基于模型使用中药功效样本进行训练，得到药向量。结果将中药学教材所涉及的味中药及其个功效基于模型训练并结合临床分析，发现训练后得到的药向量比药性的初始量化值更能反映中药的属性特征。此外，由于药向量与词向量具有相似的性质......”。

8、“.....李雨等选取了中华本草中收录的药性明确属性特征详尽且具有代表性的植物药，通过构建多层前馈神经网络神经网络模型对中药进行属性判别分析，发现神经网络模型的快速识别自适应性容错性及非线性等特点，能够有效解决中药属性特征与药性的非线性相关关系问题。郭永坤等从药性与功效的关系出发，通过将药性信息量子化表示并结合神经网络建立了方剂功效预测模型。多层前馈神经网多层前馈神经网络基础上中药药性量化探究中药学论文行离散化表示，采用值变量与表示味归经采用阴阳，来标记升浮和沉降。胡波等建立了中药多维药性量化指标，以表征中药材或中药复方的整体药性特征。上述方药量化方法多为数字化或等级化处理，初步体现了药物的性质，但这些研究偏向于用主观方法对中药药性进行基础量化研究，没有更深度地对药性的量化值进行进步的精准......”。

9、“.....但石膏与黄连的寒凉属目当中药具有第类功效短语时，否则。将模型的输出结果表示为，本研究采用交叉熵损失函数来度量网络的输出结果与真实标签结果的差异，具体为。神经网络的模型参数通过最小化交叉熵损失函数求解得到，既。基于梯度下降法且收敛速度较快的小批量算法迭代求解参数，其中算法的学习率设臵为，批量大小设臵为。随着不断的迭代训练，网络各层之间的连接其余属性采用值量化，即有此属性时记为，无此属性记为。将统计规范的药属性数据作为每个药向量的初始值，即模型的初始输入值。根据中药药性初始值，对中药向量化模型中药物层与药向量层之间的连接权重进行初始化，使得模型中药向量层的计算值等于此中药药性初始量化值。具体连接权重的计算方式如下。药物层输入为维向量，药向量层为维向量，则药物层与药向量层之间的权重为的矩阵......”。