《表3 1D-CNN各层网络参数》

  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

《基于机器学习的心律失常检测模型研究》

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

1D-CNN心律失常检测模型的结构与各层网络设定如表3所示。表3中输入的大小和心律数据一致为187，神经元的个数设置为5，卷积核的大小设置为5，步长为1，经过每个卷积层和池化层之后输出的数据维度不断减小，然后经过Flatten层将数据平展为一维，方便之后的Softmax层进行五分类操作。Conv1D表示一维卷积层，网络共使用三层Conv1D来提取输入序列的特征。考虑到经过卷积和池化之后不可避免地存在信息丢失的问题，因此本文在Add layer 1与Add layer 2处引入了残差结构，将前几层的信息与当前信息进行越层连接，以此保证信息的完整，提高模型的学习效率。传统卷积神经网络的激活函数是Sigmoid，因为该函数曲线左右两端趋近于平稳，易在误差深层传播中产生梯度消失问题，致使模型寻优易陷于局部最优，故本文所建立的1D-CNN模型中其激活函数选择为Relu，其在零坐标处进行明显分段，进而有效地提高了模型寻优速度及范围。