公开(公告)号：CN113780378B

公开(公告)日：2023-11-28

申请号：CN202110990938.2

申请日：2021-08-26

Applicant: 北京科技大学

Inventor： 王睿 ,  颜慧燃 ,  崔增皓

IPC: G06F18/2413 ,  G06F18/15 ,  G06F18/213 ,  G06F18/214 ,  G06N3/0499 ,  G06N3/084 ,  G16H50/20

Abstract: 本发明提供一种疾病高危人群预测装置，属于医学疾病辅诊领域。所述装置包括：特征提取模块，用于对目标疾病训练集中的样本进行特征提取，将提取的特征输入分类模块和特征损失模块；分类模块，用于根据接收到的特征，对样本进行分类，并计算分类损失；其中，所述特征提取模块和分类模块组成疾病高危预测模型；特征损失模块，用于根据接收到的特征，计算特征层面的特征距离损失；训练模块，用于将分类损失和特征距离损失进行加权结合，根据结合后的损失，输入训练集对所述疾病高危预测模型进行训练，以便利用训练好的疾病高危预测模型，预测待测人员所属的类别。采用本发明，能够提高疾病高危人群分类精确度。

公开(公告)号：CN113780378A

公开(公告)日：2021-12-10

申请号：CN202110990938.2

申请日：2021-08-26

Applicant: 北京科技大学

Inventor： 王睿 ,  颜慧燃 ,  崔增皓

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G16H50/20

Abstract: 本发明提供一种疾病高危人群预测装置，属于医学疾病辅诊领域。所述装置包括：特征提取模块，用于对目标疾病训练集中的样本进行特征提取，将提取的特征输入分类模块和特征损失模块；分类模块，用于根据接收到的特征，对样本进行分类，并计算分类损失；其中，所述特征提取模块和分类模块组成疾病高危预测模型；特征损失模块，用于根据接收到的特征，计算特征层面的特征距离损失；训练模块，用于将分类损失和特征距离损失进行加权结合，根据结合后的损失，输入训练集对所述疾病高危预测模型进行训练，以便利用训练好的疾病高危预测模型，预测待测人员所属的类别。采用本发明，能够提高疾病高危人群分类精确度。

公开(公告)号：CN111027693A

公开(公告)日：2020-04-17

申请号：CN201911174083.5

申请日：2019-11-26

Applicant: 北京科技大学

Inventor： 王睿 ,  宋昆 ,  王帅杰 ,  崔增皓 ,  陈亮

IPC: G06N3/08 ,  G06N3/04

Abstract: 本发明提供一种基于去权重剪枝的神经网络压缩方法及系统，所述方法包括：确定待剪枝神经网络中应该被裁剪的参数；将待剪枝神经网络中应该被裁剪的参数置0，得到剪枝后的神经网络；对剪枝后的神经网络的底层计算函数进行修改，使得剪枝后的神经网络在运行过程中，若当前计算所涉及的参数为零，则跳过当前计算。本发明方法通过去权重剪枝降低神经网络的复杂度来降低对计算设备的算力的要求，从而达到将神经网络应用到边缘设备的目的。