《表3 1D-CNN各层网络参数》
1D-CNN心律失常检测模型的结构与各层网络设定如表3所示。表3中输入的大小和心律数据一致为187,神经元的个数设置为5,卷积核的大小设置为5,步长为1,经过每个卷积层和池化层之后输出的数据维度不断减小,然后经过Flatten层将数据平展为一维,方便之后的Softmax层进行五分类操作。Conv1D表示一维卷积层,网络共使用三层Conv1D来提取输入序列的特征。考虑到经过卷积和池化之后不可避免地存在信息丢失的问题,因此本文在Add layer 1与Add layer 2处引入了残差结构,将前几层的信息与当前信息进行越层连接,以此保证信息的完整,提高模型的学习效率。传统卷积神经网络的激活函数是Sigmoid,因为该函数曲线左右两端趋近于平稳,易在误差深层传播中产生梯度消失问题,致使模型寻优易陷于局部最优,故本文所建立的1D-CNN模型中其激活函数选择为Relu,其在零坐标处进行明显分段,进而有效地提高了模型寻优速度及范围。
图表编号 | XD00219110800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.01 |
作者 | 杜权、张文宇 |
绘制单位 | 辽宁科技大学计算机与软件工程学院、辽宁科技大学计算机与软件工程学院 |
更多格式 | 高清、无水印(增值服务) |