科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统异常数据检测准确性低且运行时间长的问题，文中基于深度学习框架设计了一套医疗设备异常数据分析检测算法。该算法对自编码器与对抗神经网络进行了融合及改进，变分自编码器（Variational Auto-Encoder,VAE）模型将变分算法与自编码器算法相结合，有效提升了原模型的抗干扰性能。而WGAN-PA模型则使用Wasserstein距离代替原有GAN的交叉熵，并通过加入剪枝模块优化了梯度问题，从而减少了模型的训练量。结合后的模型可对高维数据进行降维，且综合性能也较为理想。实验结果表明，所提算法的精确率和召回率分别为0.745和0.578，优于其他对比算法，同时还能对设备的健康状态进行预测，具有良好的工程实用价值。
- 单位
