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。
