[发明专利]一种基于神经网络的建模方法及装置

权利要求书

1.一种心率分析模型的建模方法，其特征在于，包括：

将心电图ECG作为研究对象，获取相关心率数据,所述心率数据包括心率正常数据和心率异常数据；

对所述心率数据进行预处理；

构建网络模型，所述网络模型由多层神经网络构成，包括输入层、隐藏层和输出层，所述隐藏层采用改进的循环神经网络RNN或长短期记忆网络LSTM或门控循环单元GRU的结构，具体包括：

将所述隐藏层的所有时刻分为增强时刻和非增强时刻，以第一预设数目为周期设置增强时刻；

若当前时刻为非增强时刻，则根据当前时刻的前一时刻的状态，得到所述隐藏层在所述当前时刻的状态；

若当前时刻为增强时刻，则根据当前时刻的前一时刻和前L个时刻的状态，L为第二预设数目，得到所述隐藏层在所述当前时刻的状态；

对所述网络模型的第一预设数目和第二预设数目进行优化，具体包括：

设置若干组的第一预设数目和第二预设数目；

采用预处理后的心率数据分别训练与所述各个组的第一预设数目和第二预设数目对应的网络模型；

记录训练过程中各个网络模型的准确率和损失函数的变化情况并分析，从中选择表现最优的网络模型作为所述心率分析模型。

2.根据权利要求1所述的建模方法，其特征在于：

所述第一预设数目等于所述第二预设数目。

3.根据权利要求1所述的建模方法，其特征在于，所述的根据当前时刻的前一时刻和前L个时刻的状态，得到所述隐藏层在所述当前时刻的状态，包括：

根据当前时刻的前一时刻的状态，得到第一记忆值；

将所述第一记忆值与所述当前时刻的前L个时刻的状态相加，得到所述隐藏层在所述当前时刻的状态。

4.根据权利要求3所述的建模方法，其特征在于：

所述隐藏层采用改进的循环神经网络RNN结构；

根据以下公式得到第一记忆值M：

M＝f(U*x_t+W*h_t-1)；

其中，x_t是所述隐藏层在t时刻的输入，h_t-1是所述隐藏层在(t-1)时刻的状态，f是激活函数，U是所述隐藏层的输入层到隐藏层的权重矩阵，W是所述隐藏层的前一时刻到下一时刻的权重矩阵；

根据以下公式得到所述隐藏层在当前时刻的状态：

其中，h_t是所述隐藏层在t时刻的状态，skip是第一预设数目，h_t-skip是所述隐藏层在(t-skip)时刻的状态，a为预设数，i为任意正整数。