摘要
本发明实施例公开了一种基于人工神经网络的角膜塑形参数预测方法,涉及角膜塑形镜技术领域,该方法包括:获取初始样本数据集,删除未包含必要参数的目标样本,得到基本样本数据集;对基本样本数据集进行预处理,得到最终样本数据集;对初始人工神经网络模型进行训练得到初步模型;使用初步模型对基本样本数据集的输入层数据进行前向传播得到计算结果与基础样本的结果对比,得到最终样本数据集,使用最终样本数据集对初步模型进行训练,得到预测模型;将实际眼部检测数据输入预测模型,得到对应的角膜塑形参数。本发明将需要预测的数据进行多个维度的拆分,根据每个需要预测的数据进行构建不同的预测模型,然后进行分布式训练,并组合使用。
技术关键词
人工神经网络模型
参数预测方法
样本
镜片
梯度下降算法
基础
检测数据输入
虹膜
眼压
角膜塑形镜技术
分布式训练
关系
定义
系统为您推荐了相关专利信息
标签体系
语音推荐方法
预测模型训练
场景
模型训练方法
井下采空区
数字孪生模型
综合监测方法
极限学习机
综合监测系统
全局视觉特征
语言模型训练方法
图像处理方法
交叉注意力机制
计算机程序产品
生态系统服务
驱动特征
XGBoost模型
指标
非线性
病虫害检测方法
荔枝
检测平台
采样模块
输出特征