典型文献
卷积神经网络在昆虫刺吸电位波形识别中的应用研究
文献摘要：
昆虫刺吸电位(Electrical Penetration Graph,EPG)波形一直以来靠人工识别,不仅耗时费力,且主观性强.针对这一问题,文中提出一种利用深度学习中的卷积神经网络对其进行自动识别的方法.实验中首先对获取的EPG波形进行去噪、分帧等预处理;然后进入一维卷积神经网络进行训练,通过对卷积层数、卷积核大小、学习率、迭代次数等参数进行对比选择,确定两个卷积层和池化层的网络结构,得到了97.5％的平均识别率.这是深度学习在EPG波形识别方面做的初次尝试,相比于传统的机器学习方法,具有更高的识别性能.实验结果表明,文中提出的基于一维卷积神经网络的EPG波形识别方法切实可行.
文献关键词：
刺吸电位波形;卷积神经网络;自动识别;参数对比;卷积核;迭代处理
中图分类号：
作者姓名：
吴莉莉;谷小青;邢玉清;林爱英;潘建斌;闫凤鸣
作者机构：
河南农业大学 理学院,河南 郑州 450002;河南农业大学 植物保护学院,河南 郑州 450002
文献出处：
引用格式：
[1]吴莉莉;谷小青;邢玉清;林爱英;潘建斌;闫凤鸣-.卷积神经网络在昆虫刺吸电位波形识别中的应用研究)[J].现代电子技术,2022(16):181-186
A类：
刺吸电位波形
B类：
昆虫,波形识别,Electrical,Penetration,Graph,EPG,人工识别,费力,主观性,自动识别,去噪,分帧,一维卷积神经网络,卷积层,层数,卷积核,学习率,迭代次数,对比选择,池化,识别率,机器学习方法,识别性,参数对比,迭代处理
AB值：
0.308773
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。
