期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于1D CNN-BiLSTM网络联合集成学习的心律失常智能诊断系统 被引量：3
1
作者 张明伟 张天逸 程云章 《生物医学工程研究》 2022年第3期259-267,共9页
为提高心律失常智能诊断的准确率,本研究提出了一种多网络融合模型和Stacking集成学习算法,用于八种心律失常疾病的智能诊断。使用1D CNN-BiLSTM融合网络提取单导联信号的高维特征和时域相关性特征,将十二个导联的心电信号特征融合,得... 为提高心律失常智能诊断的准确率,本研究提出了一种多网络融合模型和Stacking集成学习算法,用于八种心律失常疾病的智能诊断。使用1D CNN-BiLSTM融合网络提取单导联信号的高维特征和时域相关性特征,将十二个导联的心电信号特征融合,得到高维的特征张量,采用Stacking集成学习算法训练得到泛化性更好的诊断模型。通过比较准确性、精确性、召回率、F1-Score四个诊断性能指标,验证了利用十二导联融合特征作为最终诊断特征,准确率有显著提升,且Stacking集成学习算法较单一机器学习算法有更好的性能。本研究通过将机器学习、神经网络、集成学习算法有效结合,训练得到的心律失常智能诊断模型有较高的准确率,为基于心电信号的心律失常智能诊断提供了一种新方法。 展开更多
关键词 心律失常诊断 多导联信号 小波软阈值去噪 多网络联合 轻量级cnn 集成学习框架
下载PDF
基于轻量级CNN的射频指纹识别 被引量：1
2
作者 孙汝杰 《电子技术与软件工程》 2021年第4期7-8,共2页
本文提出了一种基于轻量化卷积神经网络(CNN)的RFFID方法。结果表明,该方法能有效地识别物联网设备,准确率达到92%左右,参数降低到89%左右。
关键词 物联网 射频指纹 卷积神经网络(cnn) 轻量级cnn
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部