针对神经网络超参数优化效果差、容易陷入次优解和优化效率低的问题,提出一种基于改进实数编码遗传算法(IRCGA)的深度神经网络超参数优化算法——IRCGA-DNN(IRCGA for Deep Neural Network)。首先,采用实数编码方式表示超参数的取值,使...针对神经网络超参数优化效果差、容易陷入次优解和优化效率低的问题,提出一种基于改进实数编码遗传算法(IRCGA)的深度神经网络超参数优化算法——IRCGA-DNN(IRCGA for Deep Neural Network)。首先,采用实数编码方式表示超参数的取值,使超参数的搜索空间更灵活;然后,引入分层比例选择算子增加解集多样性;最后,分别设计了改进的单点交叉和变异算子,以更全面地探索超参数空间,提高优化算法的效率和质量。基于两个仿真数据集,验证IRCGA-DNN的毁伤效果预测性能和收敛效率。实验结果表明,在两个数据集上,与GA-DNN(Genetic Algorithm for Deep Neural Network)相比,所提算法的收敛迭代次数分别减少了8.7%和13.6%,均方误差(MSE)相差不大;与IGA-DNN(Improved GA-DNN)相比,IRCGA-DNN的收敛迭代次数分别减少了22.2%和13.6%。实验结果表明,所提算法收敛速度和预测性能均更优,能有效处理神经网络超参数优化问题。展开更多
背景:现子宫内膜结构及子宫螺旋动脉血流参数对夫精宫腔内人工授精(artificial insemination by husband,AIH)妊娠率的影响水平尚不明确,该研究通过校准其他混杂因素后,确定了其独立影响因素,并构建了预测模型,具有较好的临床应用效能...背景:现子宫内膜结构及子宫螺旋动脉血流参数对夫精宫腔内人工授精(artificial insemination by husband,AIH)妊娠率的影响水平尚不明确,该研究通过校准其他混杂因素后,确定了其独立影响因素,并构建了预测模型,具有较好的临床应用效能。目的:基于子宫内膜结构及子宫螺旋动脉血流参数构建AIH临床妊娠预测模型及验证。方法:回顾性分析2017年1月至2021年1月于常州市妇幼保健院接受AIH助孕治疗患者共1299例,将其中1182例未临床妊娠者纳入未妊娠组,117例临床妊娠者纳入妊娠组;通过1∶1倾向评分匹配,妊娠组与未妊娠组各匹配成功93例;采用单、多因素分析筛选子宫内膜结构及子宫螺旋动脉血流参数对AIH结局的影响因素,通过受试者工作曲线确定各独立影响因素的最佳截断值,限制性立方样条法分析各独立影响因素对AIH妊娠影响的风险趋势,临床决策曲线与临床影响曲线对该联合预测模型的临床应用效能进行检验。结果与结论:①倾向评分后妊娠组与未妊娠组各非内膜因素均无显著统计学意义,数据具有较好的均衡性(P>0.05);②单因素分析结果显示,内膜下血管化指数、血流指数、血管化血流指数、子宫动脉阻力指数、子宫动脉搏动指数、收缩期最高血流速度/舒张期末血流速度、基底子宫内膜到外子宫肌层内层平均交界区、最大交界区厚度为AIH妊娠的影响因素(P<0.05);③多因素Logistic回归结果显示,基底子宫内膜到外子宫肌层内层平均交界区厚度、子宫动脉搏动指数、血管化血流指数为AIH妊娠的独立影响因素,影响大小依次为血管化血流指数>基底子宫内膜到外子宫肌层内层平均交界区厚度>子宫动脉搏动指数;④受试者工作曲线显示,血管化血流指数的曲线下面积为0.704(0.629,0.779),最佳截断值为6.26;基底子宫内膜到外子宫肌层内层平均交界区厚度的曲线下面积为0.660(0.582,0.739),最佳截断值为6.38;子宫动脉搏动指数的曲线下面积为0.642(0.563,0.721),最佳截断值为1.18;⑤限制性立方样条曲线显示,当血管化血流指数>6.24时,其对AIH妊娠具有显著的正影响趋势;基底子宫内膜到外子宫肌层内层平均交界区厚度≤6.55 mm时,其对AIH妊娠具有显著的正影响趋势;当子宫动脉搏动指数>1.27时,其对AIH妊娠具有负影响风险;⑥临床决策曲线与临床影响曲线显示,该联合预测模型在阈概率值为0.17-0.93时具有临床最大净获益,且在该阈概率范围内损失与获益的比值始终小于1,显示出该联合预测模型具有较好的临床效能;⑦结果表明,通过倾向评分与多因素Logistic回归校正子宫内膜外其他混杂因素后,基底子宫内膜到外子宫肌层内层平均交界区厚度、子宫动脉搏动指数、血管化血流指数为AIH妊娠的独立影响因素,通过对其最佳截断值的确定与风险趋势性评估,证实该联合预测模型具有较好的预测价值与临床应用效能。展开更多
文摘针对神经网络超参数优化效果差、容易陷入次优解和优化效率低的问题,提出一种基于改进实数编码遗传算法(IRCGA)的深度神经网络超参数优化算法——IRCGA-DNN(IRCGA for Deep Neural Network)。首先,采用实数编码方式表示超参数的取值,使超参数的搜索空间更灵活;然后,引入分层比例选择算子增加解集多样性;最后,分别设计了改进的单点交叉和变异算子,以更全面地探索超参数空间,提高优化算法的效率和质量。基于两个仿真数据集,验证IRCGA-DNN的毁伤效果预测性能和收敛效率。实验结果表明,在两个数据集上,与GA-DNN(Genetic Algorithm for Deep Neural Network)相比,所提算法的收敛迭代次数分别减少了8.7%和13.6%,均方误差(MSE)相差不大;与IGA-DNN(Improved GA-DNN)相比,IRCGA-DNN的收敛迭代次数分别减少了22.2%和13.6%。实验结果表明,所提算法收敛速度和预测性能均更优,能有效处理神经网络超参数优化问题。
文摘背景:现子宫内膜结构及子宫螺旋动脉血流参数对夫精宫腔内人工授精(artificial insemination by husband,AIH)妊娠率的影响水平尚不明确,该研究通过校准其他混杂因素后,确定了其独立影响因素,并构建了预测模型,具有较好的临床应用效能。目的:基于子宫内膜结构及子宫螺旋动脉血流参数构建AIH临床妊娠预测模型及验证。方法:回顾性分析2017年1月至2021年1月于常州市妇幼保健院接受AIH助孕治疗患者共1299例,将其中1182例未临床妊娠者纳入未妊娠组,117例临床妊娠者纳入妊娠组;通过1∶1倾向评分匹配,妊娠组与未妊娠组各匹配成功93例;采用单、多因素分析筛选子宫内膜结构及子宫螺旋动脉血流参数对AIH结局的影响因素,通过受试者工作曲线确定各独立影响因素的最佳截断值,限制性立方样条法分析各独立影响因素对AIH妊娠影响的风险趋势,临床决策曲线与临床影响曲线对该联合预测模型的临床应用效能进行检验。结果与结论:①倾向评分后妊娠组与未妊娠组各非内膜因素均无显著统计学意义,数据具有较好的均衡性(P>0.05);②单因素分析结果显示,内膜下血管化指数、血流指数、血管化血流指数、子宫动脉阻力指数、子宫动脉搏动指数、收缩期最高血流速度/舒张期末血流速度、基底子宫内膜到外子宫肌层内层平均交界区、最大交界区厚度为AIH妊娠的影响因素(P<0.05);③多因素Logistic回归结果显示,基底子宫内膜到外子宫肌层内层平均交界区厚度、子宫动脉搏动指数、血管化血流指数为AIH妊娠的独立影响因素,影响大小依次为血管化血流指数>基底子宫内膜到外子宫肌层内层平均交界区厚度>子宫动脉搏动指数;④受试者工作曲线显示,血管化血流指数的曲线下面积为0.704(0.629,0.779),最佳截断值为6.26;基底子宫内膜到外子宫肌层内层平均交界区厚度的曲线下面积为0.660(0.582,0.739),最佳截断值为6.38;子宫动脉搏动指数的曲线下面积为0.642(0.563,0.721),最佳截断值为1.18;⑤限制性立方样条曲线显示,当血管化血流指数>6.24时,其对AIH妊娠具有显著的正影响趋势;基底子宫内膜到外子宫肌层内层平均交界区厚度≤6.55 mm时,其对AIH妊娠具有显著的正影响趋势;当子宫动脉搏动指数>1.27时,其对AIH妊娠具有负影响风险;⑥临床决策曲线与临床影响曲线显示,该联合预测模型在阈概率值为0.17-0.93时具有临床最大净获益,且在该阈概率范围内损失与获益的比值始终小于1,显示出该联合预测模型具有较好的临床效能;⑦结果表明,通过倾向评分与多因素Logistic回归校正子宫内膜外其他混杂因素后,基底子宫内膜到外子宫肌层内层平均交界区厚度、子宫动脉搏动指数、血管化血流指数为AIH妊娠的独立影响因素,通过对其最佳截断值的确定与风险趋势性评估,证实该联合预测模型具有较好的预测价值与临床应用效能。