《表1 分类混淆矩阵：基于卷积神经网络的心电信号分类研究》

  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

《基于卷积神经网络的心电信号分类研究》

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

CNN模型比较消耗计算资源，而且神经网络的任何变化都需要新的训练，这会非常消耗时间和资源，这个方面需要优化和重视。所以该文选择所有阶段的最优参数，在上述优化参数的基础上得到训练模型，其中模型的学习率设为0.1，两层卷积层的卷积核大小均为7。对于最大池化操作，两个池化层的采样因子都为2，迭代次数为300次。最后的测试结果表明，该方法的准确度为97.8%。实验结果的混淆矩阵如表1所示。其中N、S、V、F、Q分别代表5种心律失常心拍类型。