一种基于生成对抗网络的神经网络模型训练方法和系统

本申请涉及一种基于生成对抗网络的神经网络模型训练方法及数据处理方法，相比较于传统技术中依赖结构化数据或图像数据的深度学习方法，本申请技术方案通过多层隐藏层逐步提取脉搏波形、脉搏频率、脉搏幅度和脉间距特征，并结合脉诊数据中的个体化信息，实现对患者心脏病并发症的精准预测，能够在生物信号处理方面具有更强的适应性和准确性；另外，采用双层生成对抗网络进行脉诊数据的增强处理，构建了扩展和深度扩展的训练数据集，提高了训练数据的多样性和代表性，有效解决了传统脉诊数据稀缺和数据不平衡的问题，提升了神经网络模型的泛化能力。