健康一体机第一编码和所述第二编码作为输入数据，输入所述编码档案构建模型。
健康一体机编码档案构建模型通过多组历史数据训练获得，所述历史数据中的每组数据包括第一编码、第二编码和用于标识编码档案的标识信息；
健康一体机获得所述编码档案构建模型的输出信息，所述输出信息包括所述第一用户的第一编码档案。
健康一体机编码档案构建模型为机器学习中的神经网络模型，神经网络（Neural Networks，NN）是由大量的、简单的处理单元（称为神经元）广泛地互相连接而形成的复杂神经网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络模型是以 神经元的数学模型为基础来描述的。人工神经网络（Artificial Neural Networks），是对人类大脑系统的一阶特性的一种描述。简单地讲，它是一个数学模型。
通过大量训练数据的训练，将所述第一编码和所述第二编码输入神经网络模型，获得所述编码档案构建模型的输出信息，其中，所述输出信息包括所述第一用户的第一编码档案。
健康一体机编码档案构建模型通过多组训练数据训练获得，
健康一体机训练的过程实质为监督学习的过程，每一组监督数据均包括第一编码、第二编码和用于标识编码档案的标识信息，将所述第一编码、所述第二编码和用于标识编码档案的标识信息输入到神经网络模型中，根据用于标识编码档案的标识信息，所述神经网络模型进行不断的自我修正、调整，直至获得的输出结果与所述标识信息一致，则结束本组数据监督学习，进行下一组数据监督学习；当所述神经网络模型的输出信息达到预定的准确率/达到收敛状态时，则监督学习过程结束。通过对所述神经网络模型的监督学习，进而使得所述神经网络模型处理所述输入信息更加准确，进而获得更加准确、适合的输出信息，进而达到输入所述第一编码和所述第二编码而得到第一用户的第一编码档案的目的，同时加入神经网络模型提高了数据运算处理结果的效率和准确度，为提供更加准确合适的第一编码档案夯实了基础。
传真：