公开(公告)号：CN116384450A

公开(公告)日：2023-07-04

申请号：CN202310431951.3

申请日：2023-04-21

Applicant: 吉林大学

Inventor： 周文晖 ,  刘晓敏 ,  何丽莉 ,  李熙铭 ,  白洪涛

IPC: G06N3/0464 ,  G06N3/08 ,  G06N3/043 ,  G06N3/084 ,  G16H50/70

Abstract: 本发明提供了一种面向医疗数据的深度卷积模糊神经网络及其训练方法，包括基于深度卷积模糊神经网络的医疗数据可解释性预测模型(IP‑DCFNN)IP‑DCFNN由三个部分组成：模糊逻辑前件部分：模糊逻辑前件部分提取输入数据，输入数据通过模糊逻辑前件部分中的隶属函数的运算从数值转化为一组对于模糊语言标量的隶属度值；深度卷积计算部分：深度卷积部分提取输入规则权重中的隐藏特征，并将隐藏层权重转换为高纬度信息表示；模糊结果表示部分：模糊结果表示部分是用来处理模糊推理中去模糊化的过程。本发明涉及计算机技术技术领域，本发明所述的IP‑DCFNN在模糊推理系统的基础上加入深度卷积神经网络的理念来达到针对医疗数据的可解释性预测能力。