基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了提高心电信号的正确检测效率,本文在BP神经网络模型基础上,引入多量子能级传递函数,使产生的量子跃迁神经网络具有更有效的学习和泛化能力,克服了经典BP网络在心电图模糊分类方面的局限性,使网络输出"跃变"跳出特征空间不确定区域而"坍缩"到确定区域,提高了心电信号正确检测效率.并且本文为了进一步优化网络,利用具有多分辨特性的小波变换对心电信号进行预处理,减少了网络神经元选取个数,优化网络,提高了收敛速度,实验结果验证了理论的可行性.
推荐文章
基于量子神经网络的启发式网络隐蔽信道检测模型
隐蔽信道
量子神经网络
通信指纹
启发式
检测
基于小波神经网络方法的心电图分类研究
小波神经网络
分类
心电图
基于多分辨率分析的心室晚电位神经网络检测
高分辨率心电图
心室晚电位
多分辨率分析
BP神经网络
量子超球神经网络在振动故障检测中的应用
量子超球神经网络
液体火箭发动机
振动故障检测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于多分辨分析量子跃迁神经网络的心电图智能检测研究
来源期刊 生物医学工程学杂志 学科 工学
关键词 多分辨率分析 小波分解 量子跃迁神经网络 心电图 智能检测
年,卷(期) 2009,(3) 所属期刊栏目 论著
研究方向 页码范围 480-483
页数 4页 分类号 TN911.72
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王玉松 11 44 4.0 6.0
2 王淑艳 9 39 3.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (2)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1992(2)
  • 参考文献(2)
  • 二级参考文献(0)
2009(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
多分辨率分析
小波分解
量子跃迁神经网络
心电图
智能检测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
生物医学工程学杂志
双月刊
1001-5515
51-1258/R
大16开
四川省成都市武候区外南国学巷37号 四川大学华西医院
62-65
1984
chi
出版文献量(篇)
5280
总下载数(次)
31
总被引数(次)
37300
论文1v1指导