基于深度信念网络的医院门诊量预测

• 作者: 杨旭华 钟楠祎
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 深度信念网络 门诊量预测 数据特征 逻辑回归
• 年，卷（期）: 2016,（z2）
• 所属期刊栏目: 智能计算
• 页码范围: 26-30
• 页数: 5页
• 分类号: TP183
• 字数: 6161字
• 语种: 中文

摘要

有效的医院门诊量预测是现代医院对医疗资源实现智能化管理的重要前提之一.现有的医院门诊量预测方法大多针对的是单一的数据集,缺少对数据的充分挖掘和深入分析.为此,提出一种基于深度信念网络的医院门诊量预测方法,用深度信念网络对医院各科室的门诊量数据进行无监督学习,完成对门诊量数据的特征提取,挖掘各科室门诊量数据间的相互关系,在网络的顶层叠加一个逻辑回归层并将提取出的数据特征作为输入来预测各科室未来的门诊量.仿真实验结果表明,基于深度学习的预测模型可以得到较高的门诊量预测精度,是一种可行且有效的预测方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨旭华	浙江工业大学计算机科学与技术学院	31	275	7.0	16.0
2	钟楠祎	浙江工业大学计算机科学与技术学院	1	19	1.0	1.0