买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广东诺凯科技有限公司

摘要：本发明公开了基于大数据的互联网智慧远程血压异常数据监测系统，系统包括数据采集模块、数据预处理模块、血压数据预警模块、超参数搜索模块和健康管理模块。本发明属于数据处理技术领域，具体是指基于大数据的互联网智慧远程血压异常数据监测系统，本方案在模型中引入跳跃连接，以缓解监测模型网络深度增加导致的梯度消失，使前一个残差块的信息畅通无阻地流入下一个残差块，避免因网络深度升高而导致梯度消失和网络退化，从而提高了监测模型的训练效果和性能表现；基于通过利用混沌系统生成的帐篷混沌序列和高斯突变机制，增强全局搜索能力和自适应调整参数能力，从而获取到最优参数值，解决异常数据监测模型输出结果不准确的问题。

主权项：1.基于大数据的互联网智慧远程血压异常数据监测系统，其特征在于：系统包括数据采集模块、数据预处理模块、血压数据预警模块、超参数搜索模块和健康管理模块；所述数据采集模块采集历史数据；历史数据包括个人数据、生理数据、电子病历数据和数据对应血压类型；所述数据预处理模块对采集的数据进行数据清洗和标准化处理；所述血压数据预警模块通过异常检测模型对历史血压数据进行监测，得到异常血压数据；所述超参数搜索模块通过帐篷混沌序列和高斯变异策略，获取到血压数据预警模块参数；所述健康管理模块通过血压数据预警模块对实时数据的输出结果对用户发出预警；所述血压数据预警模块具体包括以下内容：初始化模型参数；构建卷积核的计算公式，进行卷积运算；所用公式表达如下： ； ；式中，表示卷积核在第l+1层中的输出值；分别表示在特征图中位置的行列坐标；Kl表示第l层中卷积核的个数；f表示卷积核的高度和宽度；x，y分别表示卷积核在输入矩阵高度和宽度的位置偏移值；表示卷积核在第l层的第k个特征图的位置；表示连接第l层的第k个特征图到第l+1层的卷积核的权重值；s0表示用于决定卷积核在输入数据上的移动步长；b代表偏移量；Ll表示第l层特征图的大小；p表示卷积核的填充大小；使用激活函数表达复杂特征；所用公式表达如下： ；式中，表示在第l层中第k个特征图上第i,j位置的激活值；表示在第l层中第k个特征图上第i,j位置的加权输入值；表示的是激活函数；LP池化操作；所用公式如下： ；式中，表示在第l层中第k个特征图上第位置的输入值；表示卷积核在第l层的第k个特征图的位置；f表示窗口的大小参数；P表示LP池化操作参数，用于表示池化的类型；s0表示LP池化操作参数，用于控制池化窗口在输入特征图上的移动步长；获取深层特征值，由当前层特征值经过残差函数处理得到残差值，再与当前层特征值求和得到；所用公式如下： ；式中，xl+1表示神经元输出层l+1的特征值;xl表示神经元输出层第l层的特征值；wl表示传输给神经元的xl特征值的权重；Fxl,wl是递归形式的残差函数，表示神经元输出层的特征值xl和对应权重wl的关系；hxl表示对第l层的特征值进行卷积操作后得到第l层的网络映射；梯度传播，使用链规则计算梯度来更新网格参数；所用公式如下： ；式中，表示更新后的梯度；表示更新前的梯度，是损失函数ε对第l层的输入Xl的梯度；表示对第l层的输入Xl的梯度；计算神经网络的输出值；包括以下内容：当输入数据的维度和对应的权重参数的维度相同；所用公式如下： ；式中，y表示神经网络的输出值；xi表示输入数据；wi表示与输入数据xi对应的权重参数；表示输入数据xi和权重参数wi组合的结果；当输入数据的维度和对应的权重参数的维度不同；所用公式如下： ；式中，表示对特定维度输入数据xi进行线性转换的权重参数；所述超参数搜索模块具体包括以下内容：初始化机群大小N，搜索机数量P、僚机数量N-P和观察机数量S；设定机群中飞机的数量以及搜索机和观察机的比例；定义目标函数为损失函数ε，设置目标函数维度D，最大迭代次数T；执行基于Tent混沌序列的初始化；生成N个混沌序列值，初始生成一个在0到1范围内的随机值z0；所用公式如下： ；式中，表示第d维度第i个混沌序列值；表示第d维度第i+1个混沌序列值；混沌序列值转换搜索个体；公式表达如下： ；式中，表示第i个体第d维度的初始化位置；ubd和lbd分别表示第d维度的搜索下限和上限；计算适应度值fi：将基于个体位置建立的模型性能作为个体的适应度值，找到具有最大适应度的个体fg及其位置xb，以及具有最差适应度的个体fw及其位置xw；更新搜索机位置；所用公式如下： ；式中，表示第i个体在第t代机群中的第d个维度位置；表示第i个体在第t代机群中的第d个维度位置；α表示用于控制搜索空间中的随机性参数；R2表示预警值；ST表示安全阈值；R2ST表示附近没有敌机，处于安全位置；R2≥ST表示附近有敌机，需换个区域降落；Q表示服从正态分布的随机数；L表示所有元素均为1的向量；更新僚机位置；所用公式如下： ；式中，t表示迭代次数；n表示个体的数量；表示机群在第t次迭代中具有最差适应度值的个体在第d维度上的位置；表示机群在第t+1次迭代中具有最小适应度值的个体在维度d上的位置；A+表示维度伪逆矩阵，元素随机分配1或-1；随机选择机群中10%个体作为观察机，进行位置更新；所用公式如下： ；式中，表示均值为0、方差为1的标准正态分布随机数；K表示区间中均匀分布的随机数[−1,1]；表示避免分母为零的最小常数；是观察机更新后的位置；重新计算每个个体的适应度值fi和机群平均适应度值favg；并进行比较；包括以下内容：若fifavg，聚合出现；采用以下公式进行个体确认；经过公式变异后的个体适应度值更好，则变异是成功的；选择保留变异后的个体；反之，则需要保留原始的个体；公式表示如下： ；式中，表示对位置进行变异操作；表示服从均值为0，方差为1的标准正态分布随机数；若fi≥favg，分歧出现；对于单个个体，进行Tent混沌扰动，提高机群的多样性；扰动后个体的适应度更好，则选择将扰动后的个体作为新的个体，并进行个体的迭代更新；反之保留原始个体而不进行更新；搜索判定，预先设有适应度阈值，当存在个体适应度值高于适应度阈值时，超参数搜索完成，并个体位置即血压数据预警模块参数设置；若达到最大迭代次数，则重新初始化机群位置；否则继续更新搜索机位置。

全文数据：

权利要求：

百度查询： 广东诺凯科技有限公司 基于大数据的互联网智慧远程血压异常数据监测系统