Resumen

Con el rápido desarrollo de las tecnologías de la información, la informatización de los hospitales se ha convertido en la tendencia general. En este contexto, se ha propuesto la monitorización de enfermedades basada en big data médico y ha suscitado una amplia preocupación. Para superar las deficiencias de la red neuronal BP, como la lenta velocidad de convergencia y la facilidad para caer en el extremo local, se utiliza el algoritmo de recocido simulado para optimizar la red neuronal BP y se construye el algoritmo de red neuronal de recocido simulado de alto orden. Después de seleccionar los indicadores potenciales utilizando el algoritmo de bosque aleatorio, basado en big data médico, el experimento utiliza el algoritmo de red neuronal de recocido simulado de alto orden para establecer el modelo de monitorización de la obesidad para realizar la monitorización y prevención de la obesidad. Los resultados muestran que los tiempos de entrenamiento de la red neuronal SA-BP son 1480 veces menores que los de la red neuronal BP, y el error cuadrático medio de la red neuronal SA-BP es 3,43 veces menor que el de la red neuronal BP. El error cuadrático medio de la red neuronal SA-BP es 1,81 veces menor que el de la red neuronal BP, y el error medio de salida del modelo de control de la obesidad es de aproximadamente 2,35 en cada temperatura. Tras el entrenamiento, la precisión media del modelo de seguimiento de la obesidad fue del 98,7%. Los resultados anteriores muestran que el modelo de seguimiento de la obesidad basado en big data médico puede completar eficazmente el seguimiento de la obesidad y tiene una cierta contribución al diagnóstico, el tratamiento y la alerta temprana de la obesidad.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:red neuronal, modelo de seguimiento de la obesidad, big data médico, pb, algoritmo de red neuronal, indicadores potenciales de objetivos, error cuadrático medio, seguimiento de la obesidad, algoritmo random forest, error medio de salida
• Keywords:neural network, obesity monitoring model, medical big data, bp, neural network algorithm, potential target indicators, means square error, monitoring of obesity, random forest algorithm, average output error