|
|
1.
降噪自编码器深度卷积过程神经网络及在时变信号分类中的应用
朱喆, 许少华
计算机应用
2020, 40 (3):
698-703.
DOI: 10.11772/j.issn.1001-9081.2019081435
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。
参考文献 |
相关文章 |
多维度评价
|
|
