《表3 几种神经网络的性能比s较》

  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Dropout深度卷积神经网络的ST段波形分类算法》

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

在完整深度卷积神经网络中引入Dropout的一个重要出发点是提高神经网络的泛化能力，降低算法的过拟合效应。本文针对选取的心电信号数据ST段波形分别采用典型BP神经网络、循环神经网络RNN、DCNN和Dropout DCNN等4种神经网络算法进行样本训练和测试样本波形识别，其中DCNN和Dropout DCNN神经网络都采用6层结构和相同的卷积核，同时，Dropout DCNN在池化层S&apos；1和S&apos；2以概率P对每个神经元进行激化操作，从而减少了卷积核个数。实验结果如表3所示。