基于深度卷积神经网络的医院财务预警模型

为了对医疗机构的可持续性经营能力进行高效、准确地监管与预警,提出了一种基于优化卷积神经网络的医院财务预警模型,以便为决策者提供具有参考价值的信息。首先,对医院财务系统中的数据进行解析与提取,并通过归一化和特征选择进行原始数据清洗和降维。然后,采用深度卷积神经网络构建财务预警模型,并采用狼群算法优化偏向参数,将偏向参数作为狼群进行训练,以便提高其参数优化效率。最后,对5家大中型医疗机构的近4年财务数据进行了验证分析。实验结果表明,相比其他常用机器学习方法,在均方根误差和拟合优度两个指标方面,构建的优化深度卷积神经网络模型具有最佳的数据拟合性能。