深度学习在预后评估中的应用研究

发布时间：2019-05-30 16:17

【摘要】：深度学习(Deep Learning, DL)包含多个隐藏层,是一种模拟人脑机制,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究。传统的深度置信网络利用重构误差作为网络评价指标。虽然重构误差能在一定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(MIC)能用来确定两个属性间的相关度,并较稳健,不易受异常值的影响,因此可利用MIC作为网络评价指标。于是,本文提出一种基于MIC的深度置信网络方法,一方面用MIC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；另一方面将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。研究中还发现,深度置信网络中的网络参数,如学习率,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,但收敛速度较慢。因此,在网络的学习过程中,找到一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,遗传算法可以通过其自身全局最优解的特性,寻找网络最佳参数。因次,本文提出了一种基于遗传算法的深度置信网络参数自寻优方法,一方面通过遗传算法中选择交叉变异等算子多步迭代找到最佳学习率,提高网络学习速率以及网络的精度；另一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,以及在合理分配资源上具有重要的意义。本文将深度置信网络算法应用于ICU数据集,构建基于深度置信网络的ICU预后评估系统,实验结果验证了深度置信网络也能较好地应用于ICU预后评估。
[Abstract]:......
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP181

【相似文献】

相关期刊论文 前10条

1 吴瑞镛,徐大纹;具有年龄结构的遗传算法[J];桂林电子工业学院学报;2001年04期

2 杨艳丽,史维祥;一种新的优化算法—遗传算法的设计[J];液压气动与密封;2001年02期

3 杨宜康,李雪,彭勤科,黄永宣;具有年龄结构的遗传算法[J];计算机工程与应用;2002年11期

4 谷峰,吴勇,唐俊;遗传算法的改进[J];微机发展;2003年06期

5 ;遗传算法[J];计算机教育;2004年10期

6 赵义红,李正文,何其四;生物信息处理系统遗传算法探讨[J];成都理工大学学报(自然科学版);2004年05期

7 刘坤,刘伟波,吴忠强;基于模糊遗传算法的电液位置伺服系统控制[J];黑龙江科技学院学报;2005年04期

8 张英俐,刘弘 ,马金刚;遗传算法作曲系统研究[J];信息技术与信息化;2005年05期

9 丁发智;;浅谈遗传算法[J];乌鲁木齐成人教育学院学报;2005年04期

10 李冰洁;;遗传算法及其应用实例[J];吉林工程技术师范学院学报;2005年12期

相关会议论文 前10条

1 陈家照;廖海涛;张中位;罗寅生;;一种改进的遗传算法及其在路径规划中的应用[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

2 李国云;刘颖;薛梅;邬志敏;;遗传算法在高温空冷冷凝器优化设计中的应用[A];第五届全国制冷空调新技术研讨会论文集[C];2008年

3 王志军;李守春;张爽;;改进的遗传算法在反演问题中的应用[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（上册）[C];2001年

4 任燕翔;姜立;刘连民;从滋庆;;改进遗传算法在三维日照方案优化中的应用[A];工程三维模型与虚拟现实表现——第二届工程建设计算机应用创新论坛论文集[C];2009年

5 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会论文集[C];2006年

6 庞国仲;王元西;;基于遗传算法控制步长的定性仿真方法[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年

7 张忠华;杨淑莹;;基于遗传算法的聚类设计[A];全国第二届信号处理与应用学术会议专刊[C];2008年

8 何翠红;区益善;;遗传算法及其在计算机编程中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（下册）[C];1995年

9 靳开岩;张乃尧;;几种实用遗传算法及其比较[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

10 王宏刚;曾建潮;李志宏;;摄动遗传算法[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

相关重要报纸文章 前1条

1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年

相关博士学位论文 前10条

1 蔡美菊;交互式遗传算法及其在隐性目标决策问题中的应用研究[D];合肥工业大学;2015年

2 张士伟;三维声学快速多极基本解法在机械噪声预测中的应用研究[D];沈阳工业大学;2016年

3 高军;无铅焊料本构模型及其参数识别方法研究[D];南京航空航天大学;2015年

4 Amjad Mahmood;半监督进化集成及其在网络视频分类中的应用[D];西南交通大学;2015年

5 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年

6 郝国生;交互式遗传算法中用户的认知规律及其应用[D];中国矿业大学;2009年

7 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年

8 马国田;遗传算法及其在电磁工程中的应用[D];西安电子科技大学;1998年

9 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年

10 周激流;遗传算法理论及其在水问题中应用的研究[D];四川大学;2000年

相关硕士学位论文 前10条

1 张英俐;基于遗传算法的作曲系统研究[D];山东师范大学;2006年

2 钟海萍;原对偶遗传算法与蚁群算法的一种融合算法[D];暨南大学;2013年

3 李志添;模糊遗传算法与资源优化配置的预测控制[D];华南理工大学;2015年

4 王琳琳;新型双层液压轿运车车厢的设计研究[D];上海工程技术大学;2015年

5 李海全;基于遗传算法的建筑体形系数及迎风面积比优化方法研究[D];华南理工大学;2015年

6 彭骞;基于遗传算法的山区高等级公路纵断面智能优化方法研究[D];昆明理工大学;2015年

7 周玉林;基于小波分析和遗传算法的配电网故障检测[D];昆明理工大学;2015年

8 郭颂;基于粗糙集和遗传算法的数字管道生产管理系统研究[D];昆明理工大学;2015年

9 吴南;数值逼近遗传算法的研究应用[D];华南理工大学;2015年

10 于光帅;一类优化算法的改进研究与应用[D];渤海大学;2015年

，

本文编号：2488988