摘要
本申请公开了一种多模态生物数据的保险风险动态分析系统,通过采用基于深度学习的时序编码技术对血糖值和心率值进行时序编码,以提取处两者的时序隐含关联特征,并对血糖值的时序特征和心率值的时序特征进行跨模态细粒度全域交互分析以进一步挖掘出血糖值和心率值的非线性耦合关联关系,并以此为风险预测的高分辨率依据。通过这样的方式,为强化学习模型提供了可靠决策输入,从而实现从数据感知到动态定价的闭环优化。
技术关键词
编码向量
动态分析系统
时序特征
生物
跨模态
数据
健康风险预测
内核
时序分析模块
血糖值
LSTM模型
多模态
植入式传感器
卷积神经网络模型
强化学习模型
心率
系统为您推荐了相关专利信息
健康数据监测方法
智能手表
LDPC矩阵
稀疏字典
健康数据监测系统
递归神经网络
节点
事件触发词
Softmax函数
解析器
芴衍生物
高频高速基板
丁烯
电子器件封装材料
碳氢
多源信息融合
电子签章
防伪系统
Daubechies小波变换
设备特征