| 注册
首页|期刊导航|数据采集与处理|基于知识表示向量的可解释深度学习模型及其疾病预测应用

基于知识表示向量的可解释深度学习模型及其疾病预测应用

徐鹤 郑群力 谢作玲 程海涛 李鹏 季一木

数据采集与处理2023,Vol.38Issue(4):777-791,15.
数据采集与处理2023,Vol.38Issue(4):777-791,15.DOI:10.16337/j.1004-9037.2023.04.003

基于知识表示向量的可解释深度学习模型及其疾病预测应用

Interpretable Deep Learning Model Based on Knowledge Representation Vectors and Its Application in Disease Prediction

徐鹤 1郑群力 1谢作玲 2程海涛 1李鹏 1季一木1

作者信息

  • 1. 南京邮电大学计算机学院/软件学院/网络空间安全学院,南京210023||江苏省高性能计算与智能处理工程研究中心,南京 210023
  • 2. 东南大学附属中大医院内分泌科,南京210009
  • 折叠

摘要

关键词

疾病预测/知识表示学习/深度学习/自注意力机制/卷积神经网络/可解释性

Key words

disease prediction/knowledge representation learning/deep learning/self-attention mechanism/convolutional neural network/interpretability

分类

信息技术与安全科学

引用本文复制引用

徐鹤,郑群力,谢作玲,程海涛,李鹏,季一木..基于知识表示向量的可解释深度学习模型及其疾病预测应用[J].数据采集与处理,2023,38(4):777-791,15.

基金项目

江苏省科技支撑计划项目(BE2019740) (BE2019740)

江苏省六大人才高峰高层次人才项目(RJFW-111). (RJFW-111)

数据采集与处理

OA北大核心CSCDCSTPCD

1004-9037

访问量0
|
下载量0
段落导航相关论文