【技术实现步骤摘要】
本专利技术涉及机器学习，尤其是一种结合超维计算与大语言模型的认知障碍诊断方法。
技术介绍
1、智能感知技术的发展为人类行为感知和疾病监测与诊断等研究提供了丰富的数据基础。多模态传感器网络通过智能手机、穿戴手环、深度相机、雷达等多种终端设备，实现了对人体生理信息和空间参数的多维度连续采集。
2、现有的基于传感器的动作识别及诊断推理的解决方案大多依赖于机器学习方法，按照模型训练架构可以分为集中式训练和分布式训练两种范式。然而，现有研究方法存在以下技术瓶颈：
3、首先，由于不同环境中有光照、噪声等方面的不可控变化，且个体的行为模式存在差异性，跨场景采集的传感器数据通常呈现出显著的非独立同分布特性，传统的机器学习方法往往因局部特征的分布差异而无法实现良好的泛化能力。其次，单个用户的训练样本规模有限，因此容易产生小样本过拟合现象。这使得基于传感系统的疾病诊断应用面临严峻挑战。
4、为了解决上述技术问题，现有技术引入了大语言模型，大语言模型能够有效捕捉长时序数据中的复杂依赖关系，通过参数化知识表示和上下文学习机制...
【技术保护点】
1.一种结合超维计算与大语言模型的认知障碍诊断方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种结合超维计算与大语言模型的认知障碍诊断方法，其特征在于：步骤S1)中，通过采用位置-水平编码与序列型数据编码相结合的时空超维编码方式将多模态样本特征向量映射到超维空间中；所述的位置-水平编码将多模态样本特征向量，分解为一系列索引-数值对，通过建立地址索引到位置编码超维向量与实际数值到水平编码超维向量的联合映射，所述的序列型数据编码通过排列运算对超维向量进行移位。
3.根据权利要求2所述的一种结合超维计算与大语言模型的认知障碍诊断方法，其特...
【技术特征摘要】
1.一种结合超维计算与大语言模型的认知障碍诊断方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种结合超维计算与大语言模型的认知障碍诊断方法，其特征在于：步骤s1)中，通过采用位置-水平编码与序列型数据编码相结合的时空超维编码方式将多模态样本特征向量映射到超维空间中；所述的位置-水平编码将多模态样本特征向量，分解为一系列索引-数值对，通过建立地址索引到位置编码超维向量与实际数值到水平编码超维向量的联合映射，所述的序列型数据编码通过排列运算对超维向量进行移位。
3.根据权利要求2所述的一种结合超维计算与大语言模型的认知障碍诊断方法，其特征在于：步骤s1)中，将多模态样本特征向量映射到超维空间中，得到多模态超维特征向量，具体包括如下步骤：
4.根据权利要求3所述的一种结合超维计算与大语言模型的认知障碍诊断方法，其特征在于：步骤s11)中，首先随机生成一个d维二进制l1表示特征数值范围的最小值，然后随机翻转l1的d/n位元素生成l2，以此类推，每下一级相邻的数值水平超向量都是从当前等级的数值水平超向量中随机挑选不重复的d/n位元素进行翻转得到，即每位元素全程翻转次数有且仅...
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。