深度学习在预后评估中的应用研究

深度学习在预后评估中的应用研究

ID:35089405

大小:6.44 MB

页数:66页

时间:2019-03-17

深度学习在预后评估中的应用研究_第1页
深度学习在预后评估中的应用研究_第2页
深度学习在预后评估中的应用研究_第3页
深度学习在预后评估中的应用研究_第4页
深度学习在预后评估中的应用研究_第5页
资源描述:

《深度学习在预后评估中的应用研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、■.一‘.,-八.-、i;-?.?.J':唉■相-!4广东工业大学硕:t学位论文’>(工程硕±)深度学习在预后评估中的应用硏究其读_鄉齐弥,'‘、'衙批:;?-?,、?t.>.■?■?..占v'一、'■V:.令;一,把产宗_'.-I占.-?.r-:..■?心‘‘二人.-:J''■,■'.V;Vf乂:’、‘'户-..

2、V:芯、-.'.'.一;,>;;片.、产、产'--.'..VA-■、f'戶一■?、;亡'如1/’二〇—;六年五月1?’々.、;--fc.'心.%.v's.典v.,'I..:..X.船产游拚:''’争巧V話皆‘‘'?.rV乂.….捷方茶一.;VV.'..,'■定;‘";'vVI文;姐巧f,''’一V'J-’'苗'1’'('■.'//.

3、..人■‘.’V--一*>;一:—.,''*■占、.rr,'>.1.11845:学校代号;分类号;密级::2111305104UDC学号广东工业大学硕±学位论文(工程硕±)深度学习在预局评估中的应用硏究郑齐弥校内导师姓名:曾安、教授、职称校外导师姓名、职称:潘丹、高级工穂师学科(专业)或领域名称:软件工程学生所属学院:计算机学院二〇—论文答辩日期:六年五月ADissertatio打

4、Submitedt;oGuangdongUniversitofyTechnolofortheDereeofMastergyg(MaisterofEngineering)ApplicationResearchofDeepLearninginPrognosisAssessmentCandidate:ZhenQimigSuervisor:ProtZenAnpgMay2016SchoolofComputerScienceand

5、TechnologyGuangdongUniversityofTechnologyGuangzhou,Guangdong,P.R.China,510006摘要摘要L一DeeearninDL包含多个隐藏层深度学习,是,(pg,)种模拟人脑机制将数据从底层映射到高层进行特征提取的一个学习过程。由于其在复杂函数表示和复杂数据分类上具有较好的效果和效率,已成功地应用于语言识别、图像识别等领域。深。度学习的学习方法分为有监督和无监督学习其中,卷积神经网络属于有

6、监督学习模型;深度置信网络属于无监督学习模型,它是深度学习中的最经典的学习模型,本文主要针对深度置信网络进行深入研巧。一传统的深度置信网络利用重构误差作为网络评价指标。虽然重构误差能在定。(MIC程度上反应网络对训练样本的拟合度,但并不可靠最大信息系数)能用来,,不易,因此可利用M确定两个属性间的相关度并较稳健受异常值的影响IC作为一一网络评价指标。于是,本文提出MIC的深度置C种基于信网络方法,方面用MI一对数据进行降维预处理,保留相关度较大的属性,提高数据与网络的拟合度

7、;另方面将MIC作为网络评价标准,改进重构误差的不可靠性。在手写识别数据集MNIST和USPS上进行仿真实验,实验结果表明基于MIC的深度置信网络能有效降低网络分类误差。,,如学习率,研究中还发现深度置信网络中的网络参数,较难设定当值过大时,收敛速度较快但易造成网络不稳定,当值偏小时,虽可避免网络的不稳定性,一但收敛速度较慢。因此,在网络的学习过程中,找到个适当的学习率是非常重要的,。传统方法往往是根据经验或者多次学习获得网络参数遗传算法可W通过其自一身全局最优解的特性,寻找网

8、络最佳参数。因次,本文提出了种基于遗传算法的一深度置信网络参数自寻优方法,方面通过遗传算法中选择交叉变异等算子多步迭一代找到最佳学习率,提高网络学习速率及网络的精度:另方面保留能量值最小情况下的网络参数,初始化网络,提高网络与训练样本的拟合度。在手写识别数据集MNIST和USPS上进行仿真实验,实验结果表明了基于遗传算法的深度置信网络收敛速率较快且精度高。ICU预后评估对于缓解医疗资源的紧缺,W及在合理

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。