针对现有模型无法充分捕捉样本中短暂,随机的波形及无法聚焦典型,重要波形,从而影响分期结果的问题,提出一种基于自注意力机制与双向长短时记忆网络的睡眠分期模型.首先,构建单流时频信息学习模块自动表达PSG信号的低级表征,挖掘EEG数据的时不变信息,频率特征.然后,设计自适应特征重新校准学习模块,对30 s样本中出现的瞬时...
基于自注意力机制与双向LSTM的睡眠分期模型 针对现有模型无法充分捕捉样本中短暂,随机的波形及无法聚焦典型,重要波形,从而影响分期结果的问题,提出一种基于自注意力机制与双向长短时记忆网络的睡眠分期模型.首先... 曹科研,王莹莹,陶杭波 - 《软件导刊》 被引量: 0发表: 2024年 基于混合神经网络的单通道睡眠EEG...
卷积神经网络残差网络双向长短时记忆网络注意力机制类不平衡过采样针对现阶段深度睡眠分期模型存在的梯度消失,对时序信息学习能力较弱等问题,提出一种基于双向长短时记忆卷积网络与注意力机制的自动睡眠分期模型.将少样本类别的睡眠脑电数据通过过采样方式进行数据增强后,利用带残差块的卷积神经网络学习数据特征表示,再...