《表2 LSTM模型的细节和参数》

  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

《基于卷积长短时记忆网络的心律失常分类方法》

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

卷积结构中提取的信号空间特征被分解为顺序分量并送到32个单元的LSTM网络中进行时间分析，采用其特殊的门结构，在改善梯度消失和梯度爆炸问题的同时，通过深度学习的方式挖掘心电信号之间的深层次特征并进行学习和映射，帮助模型捕获这些特征向量中存在的时间动态。最后使用全连接层和Softmax函数，根据LSTM单元的输出计算预测概率，完成心电分类。LSTM部分的详细结构参数如表2所示。