[发明专利]基于Glow网络的报告单编码模型生成方法、系统和设备

权利要求书

1.一种基于Glow网络的报告单编码模型生成方法，其特征在于，包括：

初始化预先构建的初始训练模型中的网络参数；其中，所述初始训练模型为Glow网络模型，所述初始训练模型包括编码器，所述网络参数包括编码器参数；

根据第一预设循环次数使得所述初始训练模型进入一次循环迭代；

计算预设的损失函数的损失值；

通过反向传播算法将所述损失值用于修正所述网络参数；

根据第二预设循环次数使得所述初始训练模型进入二次循环迭代；

判断所述二次循环迭代是否达到所述第二预设循环次数；

若是，对所述初始训练模型进行拆分，以在所述初始训练模型拆分出所述编码器作为编码模型；若否，重新计算所述损失函数的损失值；

其中，所述编码器用于输入预先对报告单中的数据进行编码后的结果清单数据和服从均匀分布的噪声数据，以输出服从正态分布的所述结果清单数据的均值和方差；其中，所述报告单中的数据包括检测项目的名义变量和检测结果数据，所述名义变量包括所述检测项目的单位、所采用的试剂名称、在检测过程中所用到的检测设备名称中的至少一种。

2.如权利要求1所述的基于Glow网络的报告单编码模型生成方法，其特征在于，所述方法还包括：

使用随机梯度下降算法对所述初始训练模型进行网络参数调整。

3.如权利要求1所述的基于Glow网络的报告单编码模型生成方法，其特征在于，所述初始化预先构建的初始训练模型中的网络参数，具体包括：

利用截断随机高斯初始化预先构建的初始训练模型中的网络参数。

4.一种基于Glow网络的报告单编码模型生成系统，其特征在于，包括：

网络参数初始化模块，用于初始化预先构建的初始训练模型中的网络参数；其中，所述初始训练模型为Glow网络模型，所述初始训练模型包括编码器，所述网络参数包括编码器参数；

一次循坏迭代模块，用于根据第一预设循环次数使得所述初始训练模型进入一次循环迭代；

损失值一次计算模块，用于计算预设损失函数的损失值；

网络参数修正模块，用于通过反向传播算法将所述损失值用于修正所述网络参数；

二次循坏迭代模块，用于根据第二预设循环次数使得所述初始训练模型进入二次循环迭代；

判断模块，用于判断所述二次循环迭代是否达到所述第二预设循环次数；

编码模型生成模块，用于当所述二次循环迭代达到所述第二预设循环次数时，对所述初始训练模型进行拆分，以在所述初始训练模型拆分出所述编码器作为编码模型；

损失值二次计算模块，用于当所述二次循环迭代未达到所述第二预设循环次数时，重新计算所述损失函数的损失值；

其中，所述编码器用于输入预先对报告单中的数据进行编码后的结果清单数据和服从均匀分布的噪声数据，以输出服从正态分布的所述结果清单数据的均值和方差；其中，所述报告单中的数据包括检测项目的名义变量和检测结果数据，所述名义变量包括所述检测项目的单位、所采用的试剂名称、在检测过程中所用到的检测设备名称中的至少一种。

5.如权利要求4所述的基于Glow网络的报告单编码模型生成系统，其特征在于，所述系统还包括：

网络参数调整模块，用于使用随机梯度下降算法对所述初始训练模型进行网络参数调整。

6.如权利要求4所述的基于Glow网络的报告单编码模型生成系统，其特征在于，所述网络参数初始化模块，具体用于：

利用截断随机高斯初始化预先构建的初始训练模型中的网络参数。

7.一种基于Glow网络的报告单编码模型生成设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至3中任意一项所述的基于Glow网络的报告单编码模型生成方法。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至3中任意一项所述的基于Glow网络的报告单编码模型生成方法。