摘要:
提出了基于改进SENet公司卷积神经网络和自学习参数滤波器的连续血压预测方法。实验结果表明,改进SENet公司可以有效增加简单卷积神经网络对时序数据的预测能力,在卷积层数为二层、三层和四层时比简单卷积神经网络预测精度提升了34.8%、23.5%和36.0%,在此基础上利用自学习参数滤波器消除血压预测波形中的毛刺,最终得到平滑的连续血压预测结果。
常昊,陈晓雷,张爱华,李策,林冬梅. 嵌入改进SENet公司的卷积神经网络连续血压预测[J] ●●●●。计算机工程与应用, 2021, 57(7): 130-135.
常浩、陈晓雷、张爱华、李策、林冬梅。基于改进SENet卷积神经网络的连续血压预测[J]。计算机工程与应用,2021,57(7):130-135。