公开(公告)号：CN109119159B

公开(公告)日：2022-04-15

申请号：CN201810948263.3

申请日：2018-08-20

Applicant: 北京理工大学

Inventor： 卢继华 ,  田世宁 ,  吴函天 ,  冯立辉

IPC: G16H50/20 ,  G16H50/70 ,  G06N3/04

Abstract: 本发明涉及一种基于快速权重机制的深度学习医疗诊断系统，属于深度学习及大数据处理技术领域。包括数据预处理模块、参数设定模块、训练数据生成模块、加载及迭代模块、联合网络模型定义模块、前向模块以及联合模型训练模块；联合网络模型定义模块主要包括先验单元、编码单元、特征提取单元、生成单元、GRU单元、快速权重机制单元和判决单元；快速权重机制单元的工作过程为：1)生成快速权重机制输入、隐藏层向量以及进行层规范化操作；联合模型训练模块的工作过程主要包括：采用Adam优化、计算交叉熵、分别将当前训练及测试数据送入前向模块中进行训练并计算准确度。所提诊断系统显著提高了决策准确率。

公开(公告)号：CN109119159A

公开(公告)日：2019-01-01

申请号：CN201810948263.3

申请日：2018-08-20

Applicant: 北京理工大学

Inventor： 卢继华 ,  田世宁 ,  吴函天 ,  冯立辉

IPC: G16H50/20 ,  G16H50/70 ,  G06N3/04

Abstract: 本发明涉及一种基于快速权重机制的深度学习医疗诊断系统，属于深度学习及大数据处理技术领域。包括数据预处理模块、参数设定模块、训练数据生成模块、加载及迭代模块、联合网络模型定义模块、前向模块以及联合模型训练模块；联合网络模型定义模块主要包括先验单元、编码单元、特征提取单元、生成单元、GRU单元、快速权重机制单元和判决单元；快速权重机制单元的工作过程为：1)生成快速权重机制输入、隐藏层向量以及进行层规范化操作；联合模型训练模块的工作过程主要包括：采用Adam优化、计算交叉熵、分别将当前训练及测试数据送入前向模块中进行训练并计算准确度。所提诊断系统显著提高了决策准确率。