[发明专利]更新信息预测网络的网络参数的方法、装置、介质及设备

权利要求书

1.一种更新信息预测网络的网络参数的方法，其特征在于，所述方法包括：

服务器从样本数据库中采集符合训练要求的样本数据并标注所述样本数据所属的原始类别信息；

所述服务器通过信息预测网络确定所述样本数据所属的类别信息，并计算所述类别信息与所述原始类别信息之间的损失函数值；

所述服务器根据所述损失函数值计算所述信息预测网络的网络参数对应的适应度函数值，并对所述适应度函数值进行多次筛选处理，得到目标适应度函数值；

所述服务器通过所述目标适应度函数值更新所述信息预测网络的网络参数。

2.根据权利要求1所述的方法，其特征在于，所述样本数据包括多个患者分别对应的人口学资料以及疾病史资料中至少一种，所述服务器标注所述样本数据所属的原始类别信息，包括：

所述服务器确定所述多个患者分别对应的病情结果并将所述病情结果分别标注为对应患者的原始类别信息；其中，所述病情结果包括结局事件和结局体征参数中至少一种，所述结局事件包括出院、死亡或转入重症监护室，结局体征参数包括体温、心率、血压、呼吸、血氧饱和度中至少一种。

3.根据权利要求1所述的方法，其特征在于，所述服务器通过信息预测网络确定所述样本数据所属的类别信息之前，所述方法还包括：

所述服务器对所述信息预测网络的网络结构进行初始化，以确定所述网络结构中各层对应的神经元节点数量；其中，所述网络结构包括输入层、隐含层以及输出层。

4.根据权利要求3所述的方法，其特征在于，所述服务器通过信息预测网络确定所述样本数据所属的类别信息，包括：

所述服务器对所述样本数据进行特征提取，得到与所述样本数据对应的特征向量；

所述服务器将所述特征向量输入所述信息预测网络，并确定所述输入层的各神经元节点与所述隐含层的各神经元节点之间的第一权重值；

所述服务器确定所述隐含层的各神经元节点与所述输出层的各神经元节点之间的第二权重值；其中，所述网络参数包括所述第一权重值和所述第二权重值；

所述服务器根据所述第一权重值与所述第一权重值对应的特征向量计算所述隐含层的各神经元节点分别对应的加权和；

所述服务器通过所述隐含层的神经元节点对所述加权和进行特征变换处理，并根据特征变换结果和所述第二权重值确定所述样本数据所属的类别信息。

5.根据权利要求1所述的方法，其特征在于，所述服务器计算所述类别信息与所述原始类别信息之间的损失函数值，包括：

所述服务器确定所述原始类别信息对应的多个第一特征值和所述类别信息对应的多个第二特征值；其中，所述第一特征值与所述第二特征值一一对应；

所述服务器确定所述第一特征值与对应的所述第二特征值之间的损失函数值。

6.根据权利要求5所述的方法，其特征在于，所述服务器根据所述损失函数值计算所述信息预测网络中网络参数对应的适应度函数值，包括：

所述服务器计算所述损失函数值的绝对值之和，作为所述信息预测网络中网络参数对应的适应度函数值。

7.根据权利要求1所述的方法，其特征在于，所述服务器对所述适应度函数值进行多次筛选处理，得到目标适应度函数值，包括：

所述服务器根据预设阈值对所述适应度函数值进行筛选，并对筛选后的适应度函数值对应的网络参数进行交叉处理和/或变异处理，直到交叉处理和/或变异处理后的网络参数对应的适应度函数值收敛，将收敛的适应度函数值确定为目标适应度函数值。