[发明专利]睡眠评估方法、装置、终端设备及存储介质在审
| 申请号: | 201810947610.0 | 申请日: | 2018-08-17 |
| 公开(公告)号: | CN109192311A | 公开(公告)日: | 2019-01-11 |
| 发明(设计)人: | 刘恩平;高锋;王胜祥;陈家达 | 申请(专利权)人: | 贵州优品睡眠健康产业有限公司 |
| 主分类号: | G16H50/30 | 分类号: | G16H50/30;G16H15/00;G06N3/06 |
| 代理公司: | 广州三环专利商标代理有限公司 44202 | 代理人: | 颜希文;麦小婵 |
| 地址: | 554300 贵州省铜仁*** | 国省代码: | 贵州;52 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 客户端 评测 睡眠评估 存储介质 评测项目 评估报告 质量评估 终端设备 测试题 答题 返回 睡眠 发送 量化 接收客户端 人工智能 测试请求 列表获取 神经网络 响应 传感器 主页面 处理器 上传 感知 输出 评估 | ||
1.一种睡眠评估方法,适于在计算设备中执行,其特征在于,至少包括如下步骤:
响应客户端根据睡眠评估系统主页面发送的评测列表获取请求,返回评测列表给所述客户端;
响应所述客户端根据所述评测列表中评测项目发送的测试请求,返回该评测项目对应的测试题表给所述客户端;
接收所述客户端根据所述测试题表上传的答题表,并对所述答题表进行量化,进一步将量化后的答题表输入训练好的NN神经网络进行得分评估,并输出评估报告,以将所述评估报告返回给所述客户端。
2.根据权利要求1所述的睡眠评估方法,其特征在于,所述对所述答题表进行量化,具体为:
采用矩阵稀疏编码方式对所述答题表中的每一道题目均进行量化处理,得到所述答题表对应的编码矩阵。
3.根据权利要求1所述的睡眠评估方法,其特征在于,所述NN神经网络包括输入层、隐藏层和输出层;其中,
所述输入层输入的是经过量化的答题表的答案数据;
所述隐藏层采用三层结构,内置若干神经单元,用于自主学习和对所述答案数据进行评估分析;
所述输出层输出的是所述答题表的得分结果,即评估报告。
4.根据权利要求1所述的睡眠评估方法,其特征在于,所述NN神经网络采用深度学习神经网络进行模型训练,具体的,采用多层NN网络对评测列表中各个评测项目的测试题表的得分机制进行训练,并将训练结果用于拟合现有的评估得分公式,进一步地,根据拟合结果对所述得分机制进行修正。
5.根据权利要求1所述的睡眠评估方法,其特征在于,所述睡眠评估系统包括:
Apache服务器,用于处理与验证所述客户端的评测列表获取请求,并接收所述客户端上传的答题表;
Node.js服务器,用于异步处理所述答题表的答案数据,并对所述答案数据进行二次验证;
Python服务器,用于执行答题表的AI分析,返回提供答案给所述Node.js服务器。
6.一种睡眠评估装置,其特征在于,包括:
评测列表发送模块,用于响应客户端根据睡眠评估系统主页面发送的评测列表获取请求,返回评测列表给所述客户端;
测试题表发送模块,用于响应所述客户端根据所述评测列表中评测项目发送的测试请求,返回该评测项目对应的测试题表给所述客户端;
评估报告生成模块,用于接收所述客户端根据所述测试题表上传的答题表,并对所述答题表进行量化,进一步将量化后的答题表输入训练好的NN神经网络进行得分评估,并输出评估报告,以将所述评估报告返回给所述客户端。
7.根据权利要求6所述的睡眠评估装置,其特征在于,所述对所述答题表进行量化,具体为:
采用矩阵稀疏编码方式对所述答题表中的每一道题目均进行量化处理,得到所述答题表对应的编码矩阵。
8.根据权利要求6所述的睡眠评估装置,其特征在于,所述NN神经网络包括输入层、隐藏层和输出层;其中,
所述输入层输入的是经过量化的答题表的答案数据;
所述隐藏层采用三层结构,内置若干神经单元,用于自主学习和对所述答案数据进行评估分析;
所述输出层输出的是所述答题表的得分结果,即评估报告。
9.根据权利要求6所述的睡眠装置,其特征在于,所述NN神经网络采用深度学习神经网络进行模型训练,具体的,采用多层NN网络对评测列表中各个评测项目的测试题表的得分机制进行训练,并将训练结果用于拟合现有的评估得分公式,进一步地,根据拟合结果对所述得分机制进行修正。
10.一种睡眠评估终端设备,其特征在于,包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述的睡眠评估方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于贵州优品睡眠健康产业有限公司,未经贵州优品睡眠健康产业有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810947610.0/1.html,转载请声明来源钻瓜专利网。





