基于GoogLeNet和ResNet的深度融合神经网络在脉搏波识别中的应用

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

所属期刊栏目：28

资助基金：中国科学院苏州纳米技术与纳米仿生研究所资助项目 Y6AAJ11001

在线出版日期：2019-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：15-26