首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种用于青少年视力训练的近视视力预测方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:山东黄海智能装备有限公司

摘要:本发明提出一种用于青少年视力训练的近视视力预测方法,涉及机器学习领域,本发明提出MTSformer预测模型,应用于青少年视力训练的近视视力预测场景,包括MCAM模块、TKMM模块和全连接层,MCAM模块处理青少年近视视力时序数据在特征维度和时间维度上的token张量之间关系,TKMM模块处理青少年近视视力数据在特征维度中不同特征之间的依赖关系,全连接层用整合MCAM模块和TKMM模块的输出进一步的非线性变换,增强模型的表达能力,从而提高预测的准确性。

主权项:1.一种用于青少年视力训练的近视视力预测方法,其特征在于,包括以下步骤:S1、收集青少年近视视力相关数据,包括特征和目标变量,对收集的数据进行预处理;S2、使用方法对青少年近视视力数据进行归一化,并按比例划分数据集;S3、构建MCAM模块,用于处理青少年近视视力数据在特征维度和时间维度上的token张量之间关系,具体包括以下步骤:S31、采用片段化方法将青少年近视视力数据作为时间序列数据分割为长度的片段,并转化为token张量矩阵;S32、通过全连接层获得token张量矩阵的查询、键和值,自适应地确定注意力模块数量及注意力模块维度,并按维度分割多个注意力模块、、;S33、在token张量矩阵和多个注意力模块、、上分别进行注意力计算,使用移动平均操作对时间窗口内的值进行平均,并计算注意力得分矩阵;S4、构建TKMM模块,用于处理青少年近视视力数据在特征维度中不同特征之间的依赖关系,具体包括以下步骤:S41、将步骤S32中,获得的多个注意力模块、、,按token张量维度进行切片获得、、;S42、提出平均自适应权重动态投影方法,对与进行降维和平滑,获得降维后键与值的动态投影和平滑后键与值的动态投影,进行加权求和得到平均自适应权重键与值的动态投影;S43、计算结合平均自适应权重动态投影后键与值的表示,并计算注意力得分矩阵;S5、整合MCAM模块和TKMM模块信息,并通过全连接层完成预测。

全文数据:

权利要求:

百度查询: 山东黄海智能装备有限公司 一种用于青少年视力训练的近视视力预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。