[发明专利]一种基于深度学习识别心电数据的轻量级算法在审
| 申请号： | 201810353923.3 | 申请日： | 2018-04-19 |
| 公开（公告）号： | CN108596073A | 公开（公告）日： | 2018-09-28 |
| 发明（设计）人： | 曹仰杰;杨聪;韩颖;张博;何紫阳;陈宇飞 | 申请（专利权）人： | 郑州大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04 |
| 代理公司： | 郑州德勤知识产权代理有限公司 41128 | 代理人： | 黄红梅 |
| 地址： | 450001 河南省郑州*** | 国省代码： | 河南;41 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于深度学习识别心电数据的轻量级算法，包括如下步骤：将提取到的心电数据通过一个标准的卷积层，进行数据特征的粗提取；将粗提取后的数据特征通过一个池化层Max‑Pooling后，送入核心模块Lite module提取深层次的数据特征；将深层次的数据特征通过一个池化层Max‑Pooling后，顺次送入两层全连接层dense，对深层次的数据特征进行提纯；将提纯后的数据特征送入分类器函数进行特征分类输出。本发明算法相比其它算法，在保证一定识别效果的同时，并不需要很多的计算参数，能够在有限的网络资源或运行内存上实现对心电数据的处理。 | ||
| 搜索关键词： | 数据特征 算法 心电数据 送入 粗提取 提纯 池化 核心模块 计算参数 特征分类 网络资源 电数据 分类器 连接层 对心 卷积 两层 内存 输出 学习 保证 | ||
【主权项】：
1.一种基于深度学习识别心电数据的轻量级算法，其特征在于，包括如下步骤：步骤1、将提取到的心电数据通过一个标准的卷积层，进行数据特征的粗提取；步骤2、将粗提取后的数据特征通过一个池化层Max‑Pooling后，送入核心模块Lite module提取深层次的数据特征；步骤3、将深层次的数据特征通过一个池化层Max‑Pooling后，顺次送入两层全连接层dense，对深层次的数据特征进行提纯；步骤4、将提纯后的数据特征送入分类器函数进行特征分类输出。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于郑州大学，未经郑州大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810353923.3/，转载请声明来源钻瓜专利网。
- 上一篇：电子装置及其指纹识别模组
- 下一篇：一种基于惯性传感器的人体下肢动作识别方法
