《表3 相同数据集上各模型结果对比》

  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

《降噪自编码器深度卷积过程神经网络及在时变信号分类中的应用》

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

单位：%

在对比实验中，本文选择可直接进行ECG信号处理的过程神经网络PNN[24-25]、堆叠稀疏自动编码器SSAEs[19]和残差卷积递归神经网络RhythmNet[21]与本文提出模型进行对比。其中PNN采用基于正交函数基展开的双隐层过程神经网络，网络结构为：12-120-480-1，采用256阶Walsh正交函数基；SSAEs的网络结构设为四层，为120-60-30-15、Softmax为分类器；RhythmNet网络结构设置为卷积-残差-池化×16+全连接×1+循环层×3+全连接×1+softmax。采用四折交叉的实验方案，将各类疾病的样本集信号按比例随机分成4组，每组5 500个样本。任选其中3组作为训练样本集，1组作为测试样本集进行实验。每种方法实验采用相同的训练集和测试集，以准确率、召回率、精确率和F1-Score值作为评价模型的指标，并以4次实验的平均值进行对比，结果见表3。