《表1 Le Net-5网络参数设置》

  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

《基于一维卷积神经网络的房颤智能诊断方法研究》

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

一维LeNet-5网络中，第1层卷积层的卷积核尺寸和第2层全连接层的单元数对模型最终诊断精度影响较大；而一维AlexNet中，第3层和第4层的特征提取能力最强。若卷积核尺寸太小，则覆盖完整输入需要的卷积操作会显著增加，相应地，算法的运算时间也会显著增加；若卷积核尺寸太大，则无法精确定位输入数据中的特征，提取的特征可能会不明显且包含较多的冗余信息。同时，由于本次实验为二分类问题，分类数量较少，全连接层节点数过多也会导致分类的过拟合。经过反复调试，本文2种网络结构参数设置分别如表1和表2所示。