文档名：一种基于降噪自动编码器和宽度学习的增量式疾病预测模型
摘要：疾病预测模型通过利用收集到的医疗数据,能够在患者疾病发作前准确地进行疾病预测.目前在疾病预测方面深受欢迎的深度神经网络,它依靠增加网络层数来提升模型的准确率,利用梯度下降来进行权重的更新,而这导致了模型梯度爆炸、训练速度慢等问题.一旦数据更新,深度神经网络需要重新训练,进而导致模型更新困难.宽度学习(BroadLearningSystem,BLS)无须梯度下降的特性与其可通过增量学习快速重构的优势为有效解决上述问题提供了技术方案,但是BLS无法提取到隐藏在医疗数据中深层次的特征,其在复杂的医疗环境下仍然表现不佳.针对该问题,本文提出一种基于降噪自动编码器(DenoisingAutoEncoder,DAE)与宽度学习的增量式疾病预测模型——DAE-BLS.所提模型将DAE引入BLS的架构设计中,结合了DAE在混乱环境下的降噪能力与BLS的简洁快速的特点,既保证了高效的运算能力又增强了特征提取能力,因而更适用于复杂医疗环境.将DAE-BLS在包含不同格式以及不同数据量的糖尿病、心力衰竭、心电异常和乳腺癌数据集上进行模拟预测实验,实验结果表明,DAE-BLS能够在保留宽度结构的神经网络快速高效特点的同时,在不同格式的数据上表现出很好的性能,分别达到96.62%,94.53%,98.50%与83.64%的准确率,并能在需要更改模型结构时通过增量学习技术快速重构以适应用户不断变化的疾病数据.
作者：漆华妹 胡宇轩 袁正一Author：QIHua-mei HUYu-xuan YUANZheng-yi
作者单位：中南大学计算机学院,湖南长沙410075
刊名：电子学报 ISTICEIPKU
Journal：ActaElectronicaSinica
年，卷(期)：2023, 51(6)
分类号：TP183
关键词：神经网络 自动编码器 疾病预测 宽度学习 增量学习 智慧医疗
Keywords：neuralnetwork auto-encoder diseasepredictions broadlearningsystem incrementallearning smarthealthcare
机标分类号：TP391TP181R338.1
在线出版日期：2023年9月8日
基金项目：一种基于降噪自动编码器和宽度学习的增量式疾病预测模型[
期刊论文] 电子学报--2023, 51(6)漆华妹 胡宇轩 袁正一疾病预测模型通过利用收集到的医疗数据,能够在患者疾病发作前准确地进行疾病预测.目前在疾病预测方面深受欢迎的深度神经网络,它依靠增加网络层数来提升模型的准确率,利用梯度下降来进行权重的更新,而这导致了模型梯度...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
一种基于降噪自动编码器和宽度学习的增量式疾病预测模型 An Incremental Disease Prediction Model Based on Denoising Autoencoder with Broad Learning System
一种基于降噪自动编码器和宽度学习的增量式疾病预测模型.pdf
- 文件大小:
- 1.9 MB
- 下载次数:
- 60
-
高速下载
|
