深度残差网络模型的构建及其在糖尿病预测中的应用

摘要：

为提高糖尿病预测准确率和精度,针对糖尿病数据特性,构建由全连接层组成的深度残差网络.在残差块中加入批量标准化层,去除了Dropout层,进而确定了各层的排列顺序.分别使用3种不同激活函数和4种不同的优化算法时,对比深度残差网络的准确率、精度、召回值、F1值和平均准确率等评价指标值,进而选择Tanh作为模型激活函数,自适应矩估计(Adam)作为模型优化算法.采用梯度提升树算法选取影响糖尿病的主要特征,针对UCI糖尿病原始数据集和样本均衡数据集,将深度残差网络与随机森林模型、朴素贝叶斯模型、决策树模型、支持向量机模型、逻辑回归模型进行对比分析.预测结果表明,深度残差网络优于全连接神经网络;对于原始数据集和样本均衡数据集,深度残差网络模型的准确率和精度均优于相比较的其余5种预测模型.

关键词：糖尿病预测、深度残差网络模型、神经网络、全连接层、激活函数、优化算法、准确率、精度

所属期刊栏目：45

分类号：TN711-34;TP181(基本电子电路)

资助基金：国家自然科学基金11601316

在线出版日期：2022-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：30-35