典型文献
基于知识蒸馏的心律失常分类模型
文献摘要：
近些年ECG心律失常自动分类技术发展迅速,使用深度神经网络对心律失常进行自动分类取得了较好的分类效果,但同时深度神经网络也有着计算量大、占用内存多等缺点,难以部署在资源受限的小型设备上.为了降低运用在ECG心律失常分类上的神经网络模型的参数量和计算量,并使模型保持较高的分类精度,提出一种基于知识蒸馏和注意力机制的轻量级卷积神经网络模型.通过将美国麻省理工学院提供的研究心律失常的MIT-BIH数据库中的数据进行数据增强后生成图像数据集,对模型进行训练和测试.模型在保持较小的参数量及计算量的同时,在心律失常分类测试中达到了98.3％的分类准确率.
文献关键词：
心律失常;卷积神经网络;注意力;知识蒸馏
中图分类号：
作者姓名：
张逸;周莉;陈杰
作者机构：
中国科学院微电子研究所,北京100029;中国科学院大学,北京100049
文献出处：
引用格式：
[1]张逸;周莉;陈杰-.基于知识蒸馏的心律失常分类模型)[J].电子设计工程,2022(08):21-25
A类：
B类：
基于知识,知识蒸馏,心律失常分类,分类模型,ECG,自动分类,分类技术,使用深度,深度神经网络,分类效果,计算量,资源受限,参数量,分类精度,注意力机制,轻量级卷积神经网络,卷积神经网络模型,美国麻省理工学院,MIT,BIH,数据增强,成图,图像数据集,中达,分类准确率
AB值：
0.296318
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。
