文档名：融合小波包变换的一维MobileNet癫痫脑电信号识别
摘要：针对目前传统神经网络内存需求大,运算量大,在移动端或嵌入式设备上运行困难等问题,提出了一种融合了小波包变换的轻量级卷积神经网络模型,用于癫痫脑电信号识别的研究.根据癫痫脑电信号的特性,首先采用小波包变换将脑电信号分成三个频段,然后运用改进的一维MobileNet训练、分类.同时引入超参数宽度因子α,通过改变宽度因子的大小以调整模型的深度.实验结果表明,当一维MobileNet模型的宽度因子α选取为0.75时,最终准确率达到100％,其模型的计算量和参数量分别为56.1M和1.24M.与现有的癫痫EEG信号识别方法比较,此模型在准确率、参数量、计算量方面均有不错的表现.
作者：刘安康 成凌飞 张宣Author：LIUAnkang CHENGLingfei ZHANGXuan
作者单位：河南理工大学物理与电子信息学院,河南焦作454000
刊名：传感技术学报 ISTICPKU
Journal：ChineseJournalofSensorsandActuators
年，卷(期)：2023, 36(4)
分类号：TP391
关键词：脑电信号 癫痫检测 小波包变换 MobileNet 轻量级神经网络
机标分类号：TP391TP181O657.3
在线出版日期：2023年6月9日
基金项目：国家自然科学基金融合小波包变换的一维MobileNet癫痫脑电信号识别[
期刊论文] 传感技术学报--2023, 36(4)刘安康 成凌飞 张宣针对目前传统神经网络内存需求大,运算量大,在移动端或嵌入式设备上运行困难等问题,提出了一种融合了小波包变换的轻量级卷积神经网络模型,用于癫痫脑电信号识别的研究.根据癫痫脑电信号的特性,首先采用小波包变换将脑电...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
融合小波包变换的一维MobileNet癫痫脑电信号识别 1D-MobileNet Epilepsy EEG Recognition with Wavelet Packet Transform
融合小波包变换的一维MobileNet癫痫脑电信号识别.pdf
- 文件大小:
- 2.3 MB
- 下载次数:
- 60
-
高速下载
|
|
