时序干预效果的预测方法

发明专利有效专利

申请号：
CN202110898099.1
IPC分类号：G16H70/20;G06Q10/04;G06K9/62;G06N3/04;G06N3/08
申请日期：
2021-08-05
申请人：
浙江大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	时序干预效果的预测方法
申请号	CN202110898099.1	申请日期	2021-08-05
法律状态	公开	申报国家	中国
公开/公告日	2021-10-22	公开/公告号	CN113539517A
优先权	暂无	优先权号	暂无
主分类号	G16H70/20 ? IPC结构图谱： G 物理 G0 仪器 G16 特别适用于特定应用领域的信息通信技术〔ICT〕〔2018.01〕 G16H 医疗保健信息学，即专门用于处置或处理医疗或健康数据的信息和通信技术〔ICT〕〔2018.01〕 G16H70/00 专门适用于医疗参考的处理或加工的ICT 〔2018.01〕 G16H70/20 与实际经验或指导原则相关〔2018.01〕	IPC分类号	G;1;6;H;7;0;/;2;0;;;G;0;6;Q;1;0;/;0;4;;;G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	浙江大学	申请人地址	浙江省杭州市西湖区浙大路38号浙江大学玉泉校区变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	浙江大学	当前权利人	浙江大学
发明人	黄正行;楚杰彬
代理机构	杭州裕阳联合专利代理有限公司	代理人	王贞利

摘要

本发明公开了一种时序干预效果的预测方法，包含：获取数据集；构建深度学习模型；同一输入在两个循环神经网络单元形成的两个深度表征组成一对，在其上施加正交化约束；定义总损失函数，对其进行最小化以实现模型的训练优化；采用不同的超参数组合在所述训练集上训练，并在所述验证集上验证其性能，挑选出最佳超参数组合，在测试集上测试采取最佳超参数训练的所述深度学习模型，得到预测的干预效果。本发明的预测方法，通过多任务学习策略利用两个循环神经网络单元分别学习干预措施和干预效果相关表征，并通过正交化约束消除造成选择偏误的混杂因子，最终训练得到时序上的解耦表征，并用于时序干预效果预测。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供