摘要
本发明适用于口腔检测技术领域,尤其涉及一种基于口腔检测指标的牙周组织健康状态监测方法,包括初始化极限学习机;计算熵速率,通过熵速率衡量口腔检测数据变化率;在每次训练迭代过程中,对权重和偏置更新进行调整;极限学习机的隐层包含特征重构模块,对特征进行重构,并对映射空间进行优化;在极限学习机的隐层输出阶段,计算极限学习机的隐层输出;在极限学习机的输出层中,采用非线性激活函数。本发明通过熵速率极限学习机算法解决了口腔检测数据特征冗余问题,利用神经元熵速率动态调整神经元的响应模式,减少口腔检测数据中的特征冗余,增强数据区分度,本发明能够动态调整模型对于口腔检测数据的敏感性,从而提高分类效果。
技术关键词
健康状态监测方法
重构模块
指标
因子
极限学习机算法
口腔检测技术
非线性
重构误差
速率
数据
噪声误差
矩阵
密度
特征数
强度
机制
控制权
阶段
系统为您推荐了相关专利信息
支持向量机预测模型
钢材
回归预测模型
因子
参数优化模型
客户端
模型更新
模型训练方法
非暂态计算机可读存储介质
语音识别模型
模型优化方法
多头注意力机制
编码器参数
重构误差
残差模块