[00265375]基于深度学习的一维生理信号的特征提取与状态识别
交易价格：
面议
所属行业：
其他化学化工
类型：
发明专利
技术成熟度：
正在研发
专利所属地：中国
专利号：CN201710414832.1
交易方式：
技术转让
技术转让
技术入股
联系人：
四川大学
进入空间
所在地：四川成都市
- 服务承诺
- 产权明晰
-
资料保密
对所交付的所有资料进行保密
- 如实描述
技术详细介绍
本发明公开了一种基于深度学习的一维生理信号的特征提取与状态识别方法。建立基于深度学习的一维生理信号的特征提取与状态识别分析模型DBN，DBN模型采用“预训练+微调”训练过程，在预训练阶段，首先训练第一个RBM，然后将训练好的结点作为第二个RBM的输入，再训练第二个RBM，以此类推；所有RBM训练完成之后使用BP算法对网络进行微调，最后将深信度网络输出的特征向量输入Softmax分类器中，对纳入到的一维生理信号的个体状态做出判断。本发明有效解决了传统的一维生理信号分类过程中需要人工选择特征输入致使分类精度不高的问题，通过深信度网络的非线性映射，自动得到高度可分的特征/特征组合用于分类，并且可以不断优化网络结构得到更好的分类效果。
本发明公开了一种基于深度学习的一维生理信号的特征提取与状态识别方法。建立基于深度学习的一维生理信号的特征提取与状态识别分析模型DBN，DBN模型采用“预训练+微调”训练过程，在预训练阶段，首先训练第一个RBM，然后将训练好的结点作为第二个RBM的输入，再训练第二个RBM，以此类推；所有RBM训练完成之后使用BP算法对网络进行微调，最后将深信度网络输出的特征向量输入Softmax分类器中，对纳入到的一维生理信号的个体状态做出判断。本发明有效解决了传统的一维生理信号分类过程中需要人工选择特征输入致使分类精度不高的问题，通过深信度网络的非线性映射，自动得到高度可分的特征/特征组合用于分类，并且可以不断优化网络结构得到更好的分类效果。
