TY-JOURA2-Risi、MicheAU-Zhong、HongyeAU-Xiao、JitianPY-2017DA-2017DA-2017/06/28TI-深入学习大数据增强健康风险预测这些数据来自许多新来源,包括数字记录、移动设备以及可穿戴健康设备大健康数据提供更多机会通过创新方法分析健康数据并增强保健服务研究的目的是开发框架,用修改聚合节点和深学习范式提高健康预测分解节点是一个信息聚变模型 用于构建预测系统深入学习需要复杂应用机器学习算法,如贝叶斯聚变神经网络,用于数据提取和逻辑推理深度学习结合信息聚变范式可提供大健康数据更全面和可靠的预测以拟议框架为基础开发实验系统作为框架实施插图SN-1058-9244UR-https://doi.org/101155/17/1901876DO-10.1155/17/1901776JF-科学编程PB-HindawiKW-ER