《表8 CNN模型在不同迁移源下的F1值》
提示：宽带有限、当前游客访问压缩模式
另一方面，病例中疾病的共现频次体现了疾病间的知识共享程度，本文针对大样本疾病中的“发热”的疾病预测模型，分别从高共现频次“呼吸道感染”、中共现频次“支气管炎”和低共现频次“胃肠功能紊乱”的疾病预测模型中迁移知识，针对小样本疾病中的“胃肠功能紊乱”和“细菌性感染”的疾病预测模型，分别从高共现频次“呼吸道感染”、中共现频次“发热”和低共现频次“支气管炎”的疾病预测模型中迁移知识，研究迁移学习对基于卷积神经网络疾病预测模型的作用以及共现频次与迁移效果的关系.实验结果中准确率、召回率和F1值分别如表6、表7和表8所示.
| 图表编号 | XD00102900500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.10.01 |
| 作者 | 胡满满、陈旭、孙毓忠、沈曦、王晓青、余天洋、梅御东、肖立、程伟、杨杰、杨焱 |
| 绘制单位 | 中国科学院计算技术研究所、中国科学院大学、中国科学院计算技术研究所、中国科学院大学、中国科学院计算技术研究所、中国科学院计算技术研究所、首都医科大学附属北京朝阳医院、南昌大学、中国科学院计算技术研究所、中国科学院大学、中国科学院计算技术研究所、中国中医科学院西苑医院、中国中医科学院中医药数据中心、中国人民解放军联勤保障部队第九八三医院信息科 |
| 更多格式 | 高清、无水印（增值服务） |
