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

漆华妹; 胡宇轩; 袁正一

首页> 中文期刊> 《电子学报》 >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

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

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

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(Broad Learning System,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(Denoising AutoEncoder,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.

著录项

来源
《电子学报》 |2023年第6期|1474-1485|共12页
作者
漆华妹; 胡宇轩; 袁正一;
展开▼
作者单位

中南大学计算机学院;

展开▼
原文格式 PDF
正文语种 chi
中图分类人工神经网络与计算;
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;

相似文献

中文文献
外文文献
专利

1. 基于降噪自动编码器特征学习的音乐自动标注算法 [J] . 黎鹏 ,陈宁 . 华东理工大学学报（自然科学版） . 2017,第2期
2. 基于多特征融合自动编码器的增量式入侵检测 [J] . 张碧洪 ,夏海霞 ,张宇 . 计算机系统应用 . 2023,第6期
3. 基于FPGA的增量式编码器误差自动检测系统 [J] . 刘小树 ,万秋华 ,杨守旺 . 仪表技术与传感器 . 2017,第2期
4. 基于栈式降噪自动编码器的建筑工程施工成本预测 [J] . 刘必君 ,叶雨辰 . 同济大学学报（自然科学版） . 2020,第6期
5. 一种基于增量式SVR学习的在线自适应建模方法 [C] . 王平 ,田华阁 ,田学民 . 第21届中国过程控制会议 . 2010
6. 基于稀疏自动编码器和边缘降噪自动编码器的深度学习算法研究 [A] . 邓俊锋 . 2016

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

著录项

相似文献

相关主题

期刊订阅