-
公开(公告)号:CN116403706A
公开(公告)日:2023-07-07
申请号:CN202310455550.1
申请日:2023-04-25
Applicant: 南京邮电大学
IPC: G16H50/20 , G16H50/70 , G06F40/30 , G06F40/295 , G06N3/0464 , G06N3/0442 , G06N3/047 , G06N3/042 , G06N3/08
Abstract: 一种融合知识扩展和卷积神经网络的糖尿病预测方法,构建了一种以词嵌入向量和文本嵌入向量作为双通道输入的语义增强卷积神经网络模型,使得模型能够关注到更为重要的糖尿病特征并捕捉到更细粒度的糖尿病语义信息,从而提高了对糖尿病的诊断准确率;解决对大规模糖尿病领域标注数据的强依懒性和糖尿病领域知识的缺乏性等问题,设计了在糖尿病诊断过程引用外部知识的方法可以对数据集起到一个数据增强效果,并减少深度学习模型训练所需数据;解决了医疗数据集的小规模导致深度学习模型学习结果泛化能力不强,无法获得满意糖尿病预测结果问题。
-
公开(公告)号:CN115394440A
公开(公告)日:2022-11-25
申请号:CN202210958683.6
申请日:2022-08-09
Applicant: 江苏跃凯生物技术有限公司 , 南京邮电大学
Abstract: 本申请提供一种基于模型融合的葡萄糖浓度预测方法及相关设备,在获取到初始样本数据集后,采用卡尔曼滤波算法对初始样本数据集中的传感器电流信号进行降噪平滑处理,使电流信号更接近真实值,提高预测结果的精度;基于K折交叉验证,将优化后的LSTM模型得到的对葡萄糖浓度的初步预测结果输入优化后的XGBoost模型,得到葡萄糖浓度的最终预测结果。利用模型融合的思想,将LSTM模型的初步预测结果作为XGBoost模型输入,充分发挥LSTM模型和XGBoost模型的各自优势,提高葡萄糖浓度预测的精度。采用K折交叉验证的方式可以降低模型在构建和融合过程中出现过拟合的风险并提高模型的泛化能力,提高预测结果的精度。
-