研究文章
语义分析的公共卫生医疗问题基于卷积神经网络
|
输入:训练数据集X和测试数据集 |
|
输出:根据训练结果预测模型 |
|
开始 |
|
为我= 1,…,N做 |
|
步骤1。连续1 (conv1): |
| (1): |
输入的数据X到卷积层(输入通道的数量是1,输出通道的数量是10,卷积核的大小是3,和卷积的步骤是1;填写的数据之后,卷积核扫描数据和提取深度特征) |
| (2): |
函数Relu()用于数据的非线性处理 |
| (3): |
使用最大池特性数据的提取,在kernel_size 2步长是2 |
|
步骤2。连续2 (conv2): |
| (1): |
数据通过Sequential1输入(输入通道号是10,输出通道数是20,卷积核的大小是3,和卷积步骤是1,再提取数据的特性); |
| (2): |
函数Relu()用于数据的非线性处理 |
| (3): |
马克斯池用于提取的特征数据,在kernel_size 2步长是2 |
| (4): |
获得的数据来自Sequential2扩大,送入完全连接层 |
|
结束了 |
|
步骤3。根据上述结果,损失函数BCEWithLogitsLoss用于multilabel分类测试数据得到分类结果。 |
|
结束 |
|
