《表1 CNN模型的细节和参数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于卷积长短时记忆网络的心律失常分类方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。