[1] |
MA L Y, WANG W, WU Y Z, et al. A12514 outline of the report on cardiovascular diseases in China, 2017[J]. Journal of Hypertension, 2018,36:e322.
|
[2] |
胡盛寿,高润霖,刘力生,等. 《中国心血管病报告2018》概要[J]. 中国循环杂志, 2019,34(3):209-220.
|
[3] |
汤月霞,颜晗. 风险评估指导心血管病预防研究进展[J]. 创伤与急危重病医学, 2020,8(3):214-216.
|
[4] |
CODELLA N, ANDERSON D, MASSEY K, et al. Deep learning applied toward predicting modality, disease, and referrals in primary care clinical photography[J]. Journal of the American Academy of Dermatology, 2018,79(3):AB99.
|
[5] |
王曼怡,朱家明,孔昊. 基于Logistic模型对心血管疾病风险的预测[J]. 齐齐哈尔大学学报(自然科学版), 2017,33(5):64-68.
|
[6] |
蔡勋玮. SVM结合DS证据理论的心血管病预测方法研究[D]. 西安:西安电子科技大学, 2018.
|
[7] |
杜珍珍. 基于电子病历的机器学习算法在心血管疾病预测方面的应用[D]. 武汉:武汉邮电科学研究院, 2020.
|
[8] |
于大海. 基于BP神经网络和随机森林算法的冠状动脉狭窄风险识别模型研究[D]. 太原:山西医科大学, 2019.
|
[9] |
吕秋杰. 基于深度学习的心血管疾病分类识别方法研究[D]. 郑州:郑州大学, 2018.
|
[10] |
XU Y Y, LIU Z, LI Y J, et al. Feature data processing: Making medical data fit deep neural networks[J]. Future Generation Computer Systems, 2020,109:149-157.
|
[11] |
张婕. 基于深度神经网络的智能问答系统性能优化研究[D]. 南京:南京邮电大学, 2020.
|
[12] |
易炜,何嘉,邹茂扬. 基于循环神经网络的对话系统记忆机制[J]. 计算机工程与设计, 2019,40(11):3259-3264.
|
[13] |
LOFFE S, SZEGEDY C. Batch normalization: Accelerating deep network training by reducing internal covariate shift[C]// Proceedings of the 32nd International Conference on International Conference on Machine Learning. 2015:448-456.
|
[14] |
刘建伟,赵会丹,罗雄麟,等. 深度学习批归一化及其相关算法研究进展[J]. 自动化学报, 2020,46(6):1090-1120.
|
[15] |
LIU M F, WU W, GU Z H, et al. Deep learning based on Batch Normalization for P300 signal detection[J]. Neurocomputing, 2018,275:288-297.
|
[16] |
胡清礼,胡建强,余小燕. 结合批归一化的多层感知机糖尿病预测诊断模型[J]. 计算机系统应用, 2020,29(5):182-188.
|
[17] |
王岩. 深度神经网络的归一化技术研究[D]. 南京:南京邮电大学, 2019.
|
[18] |
SRIVASTAVA N, HINTON G, KRIZHEVSKY A, et al. Dropout: A simple way to prevent neural networks from overfitting[J]. The Journal of Machine Learning Research, 2014,15(1):1929-1958.
|
[19] |
WANG H T, YANG W J, ZHAO Z Y, et al. Rademacher dropout: An adaptive dropout for deep neural network via optimizing generalization gap[J]. Neurocomputing, 2019,357:177-187.
|
[20] |
GOMEZ A N, ZHANG I, SWERSKY K, et al. Targeted dropout[C]// NIPS 2018 Workshop CDNNRIA Blind Submission. 2018:1-8.
|
[21] |
TIELEMAN T, HINTON G E. Neural networks for machine learning[J]. Coursera, 2012,264(1):2146-2153.
|
[22] |
PRENTICE A M, JEBB S A. Beyond body mass index[J]. OBESITY Reviews, 2001,2(3):141-147.
|
[23] |
蔡同彪. 基于深度学习的计算机辅助手术工具跟踪算法及术后评价研究[D]. 济南:山东大学, 2020.
|