《表1 卷积神经网络的结构》

  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

《心冲击图信号的采集和特征分析及其应用》

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

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。