申请/专利权人:深圳甲田科技有限公司
申请日:2019-09-23
公开(公告)日:2022-09-20
公开(公告)号:CN110797119B
主分类号:G16H50/30
分类号:G16H50/30;G06N3/08
优先权:
专利状态码:有效-授权
法律状态:2022.09.20#授权;2020.03.10#实质审查的生效;2020.02.14#公开
摘要:本发明提供了健康风险智能监测装置,其包括基础模块、迁移学习模块、多层级加权参数学习模块、健康数据更新模块、超健康参数处理模块和混合值属性数据处理模块;迁移学习模块、多层级加权参数学习模块、健康数据更新模块、超健康参数处理模块和混合值属性数据处理模块分别与基础模块连接。健康风险智能监测装置中能够生成健康风险评估模型。本发明还提供了迁移学习方法。与现有技术比较本发明的有益效果在于:该装置构建了一个高效的、能够处理超参数和混合值属性数据的健康风险评估模型,并且该模型要能够对新增的不同维度的数据进行很好的泛化。该模型还能够根据不断获取的新数据来进行自我学习。该装置的数据效用性高。迁移学习方法的效率高。
主权项:1.一种健康风险智能监测装置,其特征在于,其包括基础模块以及与基础模块分别连接的迁移学习模块、多层级加权参数学习模块、健康数据更新模块、超健康参数处理模块和混合值属性数据处理模块;所述健康风险智能监测装置中能够生成健康风险评估模型;所述迁移学习模块用于进行数据填充;所述多层级加权参数学习模块用于执行含高维参数的健康数据结构和变量的参数学习;所述健康数据更新模块用于执行不同类型健康数据的更新和扩展;所述超健康参数处理模块用于处理超健康参数的约减;所述混合值属性数据处理模块用于完成健康风险评估模型的混合值属性的归约;所述超健康参数处理模块能够执行不依赖于梯度下降原则的深度神经网络权重训练方法,所述深度神经网络权重训练方法包括:步骤S11,构建如下含有K个隐含层的深度学习神经网络: 其中,X=H0且为原始超健康输入矩阵,{HK,K=1,2,L,K}为X的第K层深度表示,wK为深度神经网络第K层的权重;步骤S12,采用非迭代方式确定wK,wK表示为:WK=[HK]THK-1其中,[HK]T表示HK的转置。
全文数据:
权利要求:
百度查询: 深圳甲田科技有限公司 健康风险智能监测装置和迁移学习方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。