声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：51-1307/TP
国际刊号：1001-9081
发布日期:
作者：朱喆, 许少华
单位：山东科技大学 计算机科学与工程学院, 山东 青岛 266590
关键词：时变信号分类,卷积过程神经元,降噪自编码器,卷积过程神经网络,特征提取,心电图信号分类
针对非线性时变信号分类问题，将过程神经网络（PNN）的信息处理机制与卷积运算相结合，提出了一种降噪自编码器深度卷积过程神经网络（DAE-DCPNN）。该模型由时变信号输入层、卷积过程神经元（CPN）隐层、深度降噪自动编码器（DAE）网络结构和softmax分类器构成。CPN的输入为时序信号，卷积核取为具有梯度性质的5阶数组，基于滑动窗口进行卷积运算，实现时序信号的时空聚合和过程特征提取。在CPN隐层之后，栈式叠加DAE深度网络和softmax分类器，实现对时变信号特征高层次的提取和分类。分析了DAE-DCPNN的性质，给出了按各信息单元分别进行赋初值训练、模型参数整体调优的综合训练算法。以基于12导联心电图（ECG）信号对7种心血管疾病分类诊断为例，实验结果验证了所提模型和算法的有效性。
来源：2020年第3期
《计算机应用》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。