《表1 模型结构及训练参数》

  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

《特征自提取的深度学习血压预测模型研究》

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

注释:X＿cell:网络层神经元数量；LSTM＿input:LSTM输入神经元数；LSTM＿step:LSTM的时间步长；Activation:输出层激活函数；Keep＿prob:遗忘率；LR:学习率；Batch＿size:批处理尺寸；λ:正则化参数。

选择初始参数，其中，m为隐含层节点数，n为输入层节点数，l为输出层节点数，α为1～10之间的常数，同时根据神经网络隐含层神经元数最好等尺寸或者降尺寸设计[9]，最后采用试凑法确定模型最佳的隐节点数。根据输入脉动周期的信号长度最大为138，设置输入序列长度为140以满足全部情况。脉动周期不足的信号长度补零。根据LSTM的输入特点，将一维输入信号变成二维结构，故输入时间步与神经元数量乘积应为140，即单层LSTM结构组合（时间步，输入神经元）为（28，5）（20，7）（14，10）（10，14）（7，20）（5，28）等。最终模型结构如表1所示。