摘要
本发明提供了一种智能体重管理方法和系统,包括:预设周期性的时间序列,配置对应的体重管理决策,体重管理决策包括不同类型决策数据子元素,并按照对应时间序列绑定;根据周期性的时间序列和对应决策数据子元素获取目标体重管理人员的内分泌相关检测数据,并将内分泌相关检测数据类型构建对应的目标体重管理人员检测数据子元素;将同一周期时间序列的多类型子元素的集合作为上一级的元素,构建样本集;利用所述样本集训练深度学习模型,并采用强化学习方法优化深度学习模型,得到同一时间周期下检测数据子元素和体重管理决策数据子元素强相关的关系预测模型;检测数据子元素构建体重管理安全的适配度指数,根据适配度指数输出对应体重管理决策。
技术关键词
智能体重管理方法
深度神经网络模型
关系预测模型
内分泌
元素
数据
强化学习方法
训练深度学习模型
超参数
决策
体重管理系统
序列
反向传播方法
周期性
指数
医学知识库
样本
可读存储介质
系统为您推荐了相关专利信息
结构化解析方法
文本
表格
元素
多层卷积神经网络
判定方法
二极管阵列检测器
蒽醌类成分
多元线性回归模型
校正技术
状态实时监控方法
电池包底板
加速度
状态实时监控装置
广义逆矩阵
逆向设计方法
支持向量回归算法
最佳特征
高熵合金
搜索方法
电功率预测方法
站点
深度神经网络模型
异常数据处理
数据处理模块