公开(公告)号：CN117577344A

公开(公告)日：2024-02-20

申请号：CN202311591955.4

申请日：2023-11-27

Applicant: 大连理工大学

Inventor： 汪德刚 ,  李捷 ,  孙梅 ,  马天一 ,  唐佳妮 ,  张鑫鑫

IPC: G16H50/70 ,  G16H50/20 ,  G16H50/30 ,  G16H10/60 ,  G06F18/21 ,  G06F18/214 ,  G06F18/241 ,  G06N3/096 ,  G06N3/043

Abstract: 本发明提出了一种面向代谢性脂肪肝数据分类的分层模糊神经网络增量建模方法及装置，属于数据处理技术领域。首先收集关联于代谢性脂肪肝的生化指标数据作为特征，形成代谢性脂肪肝数据集；建立特征重要性评价指标，对特征进行降序排列并划分特征数据子集；然后，确定分层模型的层级结构数目，并确定输入各级子结构的特征数据子集；运用模糊神经网络和增量学习方法构造串联式级联分层模型，形成多阶段分层级增量化参数学习策略；最终构造分层模糊神经网络后件部分的参数学习过程，获得可迁移的分层模糊神经网络模型，得出代谢性脂肪肝数据预测结果。本发明具有优秀的泛化能力、稳定性和建模速度，是处理代谢性脂肪肝病数据的可行智能算法模型。

公开(公告)号：CN118824554A

公开(公告)日：2024-10-22

申请号：CN202410914464.7

申请日：2024-07-09

Applicant: 大连理工大学

Inventor： 汪德刚 ,  唐佳妮 ,  李捷

IPC: G16H50/50 ,  G16H50/70 ,  G16H10/60 ,  G06F18/241 ,  G06F18/25 ,  G06F18/26 ,  G06F18/2433 ,  G06N5/01 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提出了一种面向多元时序重症监护数据分类的多尺度信息融合神经网络建模方法，属于数据处理技术领域。具体为：收集多元时序重症监护数据及相应的标签数据，应用表征学习模型提取具有区分性和代表性的多元时序表征数据。采用不同长度的时间窗口划分表征数据，并通过全局最大池化操作获取对应的实例级表征数据。基于相似性的尺度筛选原则确定用于集成建模的多尺度表征数据集合。针对筛选结果，利用极限梯度提升决策树对特征重要性进行量化识别后进行重排序。将重排序数据划分为多个特征子集，建立分层宽度网络模型，实现对应尺度下的分类预测。使用加权平均方法融合所有基模型的分类预测结果，得到最终的决策输出。