龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：苏州阿基米德网络科技有限公司
摘要：本申请涉及一种基于动态长短时序注意的医疗设备调度预测方法，属于医疗设备调度技术领域，具体包括如下步骤：构建原始数据集并进行独热编码、数据清洗和归一化处理，将原始数据集中的特征按照每小时与24小时的间隔分离整合出短时周期序列和长时周期序列，并划分训练集和测试集；采用动态时间规整对短时周期序列和长时周期序列进行数据对齐；构建神经网络模型并对模型进行训练，使用训练好的神经网络模型进行医疗设备调度实时预测。本发明以医疗设备使用情况作为研究对象，加强对时序信息的关注度，通过动态的长短时注意技术对医疗设备调度情况进行预测，能够提供更为精确的预测结果，辅助医院进一步提升医疗设备的使用效率。
主权项：1.一种基于动态长短时序注意的医疗设备调度预测方法，其特征在于，包括如下步骤：S1：抓取医疗设备调度相关历史数据，构建原始数据集；S2：对原始数据集中的非数字型数据进行独热编码，并对原始数据集中的所有数据进行数据清洗和归一化处理，将原始数据集中的特征按照每小时与24小时的间隔分离整合出短时周期序列和长时周期序列，并将短时周期序列和长时周期序列共同划分为训练集和测试集；S3：采用动态时间规整对短时周期序列和长时周期序列进行处理，通过比较短时周期序列和长时周期序列之间的欧几里得距离，选取累计欧几里得距离最小的对齐方式作为最优的对齐方式，实现不同尺度之间周期序列的数据对齐；S4：构建神经网络模型，将训练集中经动态时间规整后的周期序列输入所述神经网络模型进行训练，测试集中经动态时间规整后的周期序列用于测试训练后模型的准确度；训练工程中通过长短时关注学习时间序列数据中的长期依赖关系，学习并分配权重给不同时间尺度的信息，权重通过反向传播进行实时学习与更新，使动态时间规整对后的周期序列获得动态的长短时周期间注意；S5：使用训练好的神经网络模型进行医疗设备调度实时预测。
全文数据：
权利要求：
百度查询： 苏州阿基米德网络科技有限公司 基于动态长短时序注意的医疗设备调度预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号