欢迎来到天天文库
浏览记录
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》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;Vf乂:’、‘'户-..
2、V:芯、-.'.'.一;,>;;片.、产、产'--.'..VA-■、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;‘";'vVI文;姐巧f,''’一V'J-’'苗'1’'('■.'//.
3、..人■‘.’V--一*>;一:—.,''*■占、.rr,'>.1.11845:学校代号;分类号;密级::2111305104UDC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ADissertatio打
4、Submitedt;oGuangdongUniversitofyTechnolofortheDereeofMastergyg(MaisterofEngineering)ApplicationResearchofDeepLearninginPrognosisAssessmentCandidate:ZhenQimigSuervisor:ProtZenAnpgMay2016SchoolofComputerScienceand
5、TechnologyGuangdongUniversityofTechnologyGuangzhou,Guangdong,P.R.China,510006摘要摘要L一DeeearninDL包含多个隐藏层深度学习,是,(pg,)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
此文档下载收益归作者所有