典型文献
融合VGG16和TextCNN的心电信号智能诊断模型
文献摘要：
基于十二导联心电图分类任务,提出VGG16与TextCNN融合一维卷积神经网络.VGG16与TextCNN融合模型包括5个卷积层、5个池化层、2个全连接层和1个softmax层.由于十二导联心电图数据规模小,采用传统网络结构与复杂的网络结构得到的结果不佳,为减少模型参数,提高模型计算效率,避免由于模型过于复杂引起的过拟合问题,将十二导联心电信号的十二通道分为12个单通道数据送入VGG16与TextCNN融合模型,基于十二导联心电图进行心率异常二分类研究.在小样本学习的训练过程中,VGG16与TextCNN融台模型平均分类准确率达到了83.64％,能够在样本数量不足的情况下得到较好的准确率,有更为广泛的应用.
文献关键词：
十二导联;VGG16;TextCNN;一维卷积神经网络;小样本学习
中图分类号：
作者姓名：
庞伟;马乐荣;何进荣;丁苍峰
作者机构：
延安大学数学与计算机科学学院,陕西延安716000
文献出处：
引用格式：
[1]庞伟;马乐荣;何进荣;丁苍峰-.融合VGG16和TextCNN的心电信号智能诊断模型)[J].延安大学学报（自然科学版）,2022(04):97-102
A类：
B类：
VGG16,TextCNN,心电信号,智能诊断模型,十二导联,心电图,图分类,分类任务,一维卷积神经网络,融合模型,卷积层,池化,全连接层,softmax,图数据,计算效率,过拟合,二通,单通道,通道数,送入,二分类,分类研究,小样本学习,训练过程,模型平均,平均分,分类准确率,样本数量,下得
AB值：
0.322735
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
