文献类型：期刊文章

作　　者：张选[1] 胡晓娟[2]

ZHANG Xuan;HU Xiao-Juan(School of Nano Technology and Nano Bionics,University of Science and Technology of China,Hefei 230026,China;Shanghai Innovation Center of TCM Health Service,Shanghai University of Traditional Chinese Medicine,Shanghai 201203,China)

机构地区：[1]中国科学技术大学纳米技术与纳米仿生学院,合肥230026 [2]上海中医药大学上海中医健康服务协同创新中心,上海201203

出　　处：《计算机系统应用》

基　　金：中国科学院苏州纳米技术与纳米仿生研究所资助项目(Y6AAJ11001)~~

年　　份：2019

卷　　号：28

期　　号：10

起止页码：15-26

语　　种：中文

收录情况：CSA、IC、ZGKJHX、普通刊

摘　　要：为了提高脉搏波识别的准确率,提出改进的深度融合神经网络MIRNet2.首先,经过主波提取、划分周期和制作hdf5数据集等,获得Caffe可处理的数据集.其次,提出由Inception模块和残差模块构成的融合网络Inception-ResNet (IRNet),包含IRNet1、IRNet2和IRNet3.在此基础上,改进Inception模块、残差模块和池化模块,构造Modified Inception-ResNet (MIRNet),包含MIRNet1和MIRNet2.与本文其它神经网络相比, MIRNet2的分类性能最好,特异性、灵敏度和准确率分别达到87.85%、88.05%和87.84%,参数量和运算量也少于IRNet3.

关 键 词：脉搏波 识别  卷积神经网络  GOOGLE INCEPTION NET 残差神经网络  深度学习  

分 类 号：TP3[计算机类]