《表1 CNN模型的细节和参数》
在CNN特征提取部分,使用大小为(5,1),滑动步长为1的卷积核自动提取信号形态特征,卷积核个数分别是16到32到64,最终通过卷积核个数为1的卷积层进行特征重组,构成特征图。使用批归一化增加特征向量内部协方差偏移,防止过拟合现象。池化部分均选择大小为2,滑动步长为2的最大池化操作压缩特征向量大小。此外,所有的中间层都使用ReLU作为激活函数。整个卷积部分结束后,心电信号的长度由300×1压缩至38×1的特征向量。卷积长短时记忆网络模型CNN部分的各层详细结构参数如表1所示。
图表编号 | XD00146217300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.01 |
作者 | 柯丽、王丹妮、杜强、姜楚迪 |
绘制单位 | 沈阳工业大学电气工程学院、沈阳工业大学电气工程学院、沈阳工业大学电气工程学院、沈阳工业大学电气工程学院 |
更多格式 | 高清、无水印(增值服务) |