【摘 要】
：
针对传统卷积神经网络(CNN)为获得高准确率不断堆叠卷积层、池化层致使模型结构复杂、训练时间长且数据处理方式单一的问题,提出改进胶囊网络优化分层卷积的亚健康识别算法。
【基金项目】
：
国家自然科学基金(51704138)
论文部分内容阅读
针对传统卷积神经网络(CNN)为获得高准确率不断堆叠卷积层、池化层致使模型结构复杂、训练时间长且数据处理方式单一的问题,提出改进胶囊网络优化分层卷积的亚健康识别算法。首先,对原始振动数据进行小波降噪和小波包降噪两种数据处理,更好地保留原始信号中对亚健康识别有用的信息;其次,CNN采用分层卷积的思想,并行3个不同尺度的卷积核,多角度地进行特征提取;最后,将卷积核提取的特征输入到剪枝策略的胶囊网络中进行亚健康识别,改进的胶囊网络在保证准确率的同时加快亚健康识别时间,解决CNN结构过于复杂以及识别效果不佳的问题
其他文献
信息中心网络(ICN)引入网内缓存机制使路由器具有内容缓存功能,将网络由IP寻址改为内容名称寻址,旨在更好地为内容分发类应用提供服务。而兴趣洪泛攻击(IFA)会导致路由器资源
近年来人体姿态估计作为计算机视觉领域的热点,在视频监控、人机交互、智慧校园等领域具有广泛的应用前景。随着神经网络的快速发展,采用深度学习方法进行二维人体姿态估计,相较于传统需要人工设定特征的方法,更能充分地提取图像信息,获取更具有鲁棒性的特征,因此基于深度学习的方法已成为二维人体姿态估计算法研究的主流方向。然而,深度学习尚在发展中,仍存在训练规模大等问题,研究者们主要从设计网络以及训练方式入手对人
选取288只1日龄体重为(38.48±0.07)g的AA^(+)白羽肉鸡,随机分为4组,每组6个重复,每个重复12只.CK饲喂基础日粮,Ⅰ、Ⅱ、Ⅲ组分别在基础日粮中添加100、200、300 mg·
本文简略介绍了X3D标准及其类库X3DToolKit的相关知识,分析了基于X3DToolKit扩展X3D标准的新节点和组件的关键技术以及通过X3D浏览器的EAI修改虚拟场景中X3D模型属性值的新方法,同时使用VC6.0设计实现了Windows平台下的一个简单原型实例对该方法加以说明,为后续研究奠定基础。
JPEG2000采用基于上下文的MQ算术编码采增强压缩效果，但其实现比较复杂，特别对编解码器具有高数据吞吐量要求的高分辨率图像处理难以达到实时实现，为此提出MQ算术编码的硬件快速
本文提出了一种Web服务访问控制沙盒模型。该模型不仅可以利用传统的身份验证还可以通过扩展SOAP消息．加入角色信息，利用角色验证来保证Web服务的访问安全。此外，该模型还提出了