【技术实现步骤摘要】
本申请涉及人工智能领域，特别是涉及一种个性化健康管理模型的交互式训练方法、装置及应用。
技术介绍
1、健康管理是长期的持续性的过程，是对生活习惯的重新调整，好的健康管理是对个人不良生活习惯的管理，所以模型应当具备个性化的引导功能以促进人们愿意接纳的健康生活，而非简单的完成短期的减肥任务。
2、当前市场上多提供通用性较强的人工智能模型来生成健康管理方案来指导人们的饮食、运动等生活，这种方式在用户初次使用时自动生成整套静态的健康管理方案，缺乏根据用户变化进行调整的能力，当用户的生活环境、饮食习惯等发生变化时，当前的通用方案无法实时适应做出调整，且这些方案仅关注短期目标，难以激发用户长期的健康改善动力，导致用户脱离健康管理。
3、现有技术还过度强调bmi指标，bmi指标仅关注体重与身高的关系，过度强调该指标，只会让人采取节食等极端手段“管理”自己的健康，从长远角度看并不利于个人的健康。
4、现有技术在生成健康管理方案时通常不考虑用户的个体差异，仅提供通用性建议和计划，而有些用户可能需要更特定、更个性化的方案...
【技术保护点】
1.一种个性化健康管理模型的交互式训练方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种个性化健康管理模型的交互式训练方法，其特征在于，在将用户的历史个人健康数据输入到健康管理模型之前，对所述历史个人健康数据进行预处理：将历史个人健康数据中的所有文本数据转换为文本矩阵，将历史个人健康数据中的所有数字数据转换为数字矩阵。
3.根据权利要求1所述的一种个性化健康管理模型的交互式训练方法，其特征在于，所述健康管理模型由卷积层、池化层以及全连接层顺序串连，所述卷积层用来对所述历史个人健康数据进行特征提取，所述池化层用于对提取的特征进行下采样...
【技术特征摘要】
1.一种个性化健康管理模型的交互式训练方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种个性化健康管理模型的交互式训练方法，其特征在于，在将用户的历史个人健康数据输入到健康管理模型之前，对所述历史个人健康数据进行预处理：将历史个人健康数据中的所有文本数据转换为文本矩阵，将历史个人健康数据中的所有数字数据转换为数字矩阵。
3.根据权利要求1所述的一种个性化健康管理模型的交互式训练方法，其特征在于，所述健康管理模型由卷积层、池化层以及全连接层顺序串连，所述卷积层用来对所述历史个人健康数据进行特征提取，所述池化层用于对提取的特征进行下采样，所述全连接层用于输出预测结果。
4.根据权利要求1所述的一种个性化健康管理模型的交互式训练方法，其特征在于，所述健康管理模型的输出为用户的预测体重数据序列，根据用户的历史个人健康数据计算得知用户的标准体重区间，构建个性化建议因子、ffmi优化因子、奖励因子以及惩罚因子使用户的预测体重数据序列向标准体重区间收敛，整合个性化建议因子、ffmi优化因子、奖励因子以及惩罚因子得到当前健康管理方案。
5.根据权利要求1所述的一种个性化健康管理模型的交互式训练方法，其特征在于，关于健康管理模型：根据历史个人健康数据获取用户真实体重数据以及用户真实ffmi指数，设置平滑窗口，根据所述平滑窗口对用户真实体重数据进行平滑得到平滑体重数据，根据所述平滑窗口对用户真实ffmi指数进行平滑得到平滑ffmi指数，使用平滑体重数据与健康管理模型输出的预测体重数据构建体重损失项引入健康管理模型的损失...
【专利技术属性】
技术研发人员：傅亦婷，许振影，赵宇飞，周华健，陈志文，蔡静，曹天佑，
申请(专利权)人：浙江一山智慧医疗研究有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。