《表1 卷积神经网络的结构》
卷积神经网络具有很强的泛化能力和鲁棒性,适合处理复杂差异性的生理信号,能够提取局部有效信息,由层与层之间的连接实现局部特征向整体特征的转变,再经过全连接层,最终得到实际信号[17-18]。通过BCG信号与小卷积核的卷积操作,神经网络自动提取有效的特征,获得与ECG信号局部关系相近的成分。不同大小的卷积核可以获得不同感知野的特征,从而丰富有效信息,提高网络重构的准确性。池化操作进一步提取重构特征的主要信息,剔除冗余信息,避免网络过拟合,并通过迭代学习,修改连接的参数,获取BCG信号特征与ECG信号的关系。利用5折交叉验证训练网络,从而获得泛化能力强、鲁棒性强的重构卷积神经网络,有效实现BCG信号重构ECG信号。网络参数的设置见表1。
图表编号 | XD00142239700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.01.25 |
作者 | 李倩、王飞、刘芊、黄启俊、常胜、何进、王豪 |
绘制单位 | 武汉大学物理科学与技术学院、武汉大学物理科学与技术学院、武汉大学物理科学与技术学院、武汉大学物理科学与技术学院、武汉大学物理科学与技术学院、武汉大学物理科学与技术学院、武汉大学物理科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |