机构名称：
¥ 1.0
摘要 - 这项研究提出了卷积神经网络（CNN）的混合模型和用于预测和诊断心脏病的变压器。基于CNN检测本地特征的强度以及变压器在感知全球关系方面的高能力，该模型能够从高维生的生活历史数据中成功检测心脏病的危险因素。实验结果表明，在精度，精度和回忆中，提出的模型胜过传统基准模型，例如支持向量机（SVM），卷积神经网络（CNN）和长短期记忆网络（LSTM）。这表明了其处理多维和非结构化数据的强大能力。为了验证模型的有效性，进行了某些部分的实验，实验的结果表明，同时使用CNN和变压器模块来增强模型很重要。本文还讨论了将来的研究中纳入其他特征和方法，以增强模型的性能并使其能够在不同条件下有效运行。本研究提出了使用机器学习预测心脏病的新颖见解和方法，尤其是在个性化医学和健康管理中。
心脏病的混合CNN转化器模型...
主要关键词
相关文件推荐
