您好,欢迎来到中国测试科技资讯平台!
摘要:
个体差异性对生理信号状态识别具有较大的影响。在实际应用中,解决个体差异性所遇到的问题是新个体数据难以获得与网络模型适应新个体需要大量的新个体数据之间的矛盾。本文从此处入手运用迁移学习的思想将MK-MMD加入全卷积网络中得到深度适配网络,在使用RR间期识别睡眠静息状态的应用中让网络模型可以通过少量无标签的新个体数据使网络模型达到自适应的效果。深度适配网络较全卷积网络在新个体上的准确率增加了12.27%的准确率,且准确率均提升至80%以上。在解决个体差异性的问题上,深度适配网络优于传统网络模型。且在实际应用中提供了一种不用大量采集新个体的数据就能解决个体差异性的新思路。
关键词: RR间期; 迁移学习; 状态识别; 个体差异性; 卷积网络; 深度适配网络;
作者: 王佳欣,李敏,赖富俊,
作者单位: 上海大学机电工程与自动化学院
刊名: 《计量与测试技术》
Journal: Metrology & Measurement Technique
年,卷(期): 2021, (3)
在线出版日期: 2021年03月30日
页数: 5
页码: 4-8