典型文献
基于双向LSTM卷积网络与注意力机制的自动睡眠分期模型
文献摘要：
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,再通过带注意力层的双向长短时记忆网络挖掘深层时序信息,使用Softmax层实现睡眠分期的自动判别.实验使用Sleep-EDF数据集中19晚单通道脑电信号对模型进行交叉验证,取得了较高的分类准确率和宏平均F1值,优于对比方法.该方法能够有效缓解睡眠分期判别中少数类分类性能较低的问题,并提高了深度睡眠分期模型的整体分类性能.
文献关键词：
睡眠分期;脑电图;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
中图分类号：
作者姓名：
李倩玉;王蓓;金晶;张涛;王行愚
作者机构：
华东理工大学 信息科学与工程学院, 上海 200237;清华大学 自动化系, 北京 100086
文献出处：
引用格式：
[1]李倩玉;王蓓;金晶;张涛;王行愚-.基于双向LSTM卷积网络与注意力机制的自动睡眠分期模型)[J].智能系统学报,2022(03):523-530
A类：
B类：
卷积网络,注意力机制,自动睡眠分期,梯度消失,时序信息,信息学习,少样本,本类,睡眠脑电,脑电数据,数据通,过过,过采样,采样方式,数据增强,残差块,神经网络学习,学习数据,数据特征,特征表示,注意力层,双向长短时记忆网络,网络挖掘,Softmax,Sleep,EDF,单通道脑电信号,交叉验证,分类准确率,比方,少数类,分类性能,整体分类,脑电图,残差网络,类不平衡
AB值：
0.357809
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
