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

• 作者: 朱喆 许少华
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 时变信号分类 卷积过程神经元 降噪自编码器 卷积过程神经网络 特征提取 心电图信号分类
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 人工智能
• 页码范围: 698-703
• 页数: 6页
• 分类号: TP183
• 字数: 6427字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2019081435

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	许少华	山东科技大学计算机科学与工程学院	30	56	4.0	5.0
2	朱喆	山东科技大学计算机科学与工程学院	1	0	0.0	0.0