基于CNN和BiGRU-Attention模型的心律异常判别研究

来源 :网络安全技术与应用 | 被引量 : 0次 | 上传用户:yczcjlk
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
心脏病是导致人类死亡的主因,多数心血管疾病发生时,常伴有心律失常现象的出现。为实现心律失常的自动判别,研究并提出一种卷积神经网络(Convolutional Neural Network,CNN)和基于注意力机制(Attention)的双向门控循环单元神经网络(Bidirectional Gated Recurrent Unit Neural Network,BiGRU)结合的心律异常判别方法。该方法首先采用1维CNN自动提取心电信号特征;其次将CNN提取出的特征输入到BiGRU-Attention
其他文献
阐述网络拓扑结构管理的重要性,对比几种拓扑主动发现技术的优缺点,最终采用基于ICMP的拓扑主动发现技术分析网络拓扑结构,列举在电网厂站网络分析中遇到的难点并给出双网口设备唯一识别、防火墙与隔离装置等边界设备识别与多区域拓扑合成等问题的解决方案,并且通过应用测试给出了分析总结。
在信息时代背景下,电力企业所面临的外部环境产生了明显的变动。为了全面提升自身的营销服务质量及水平,许多电力企业着眼于时代发展变革的趋势,主动利用各种现代智能技术,积极构建完善的营业厅综合服务体系,加强对这一体系的有效设计以及管理,以此来保障自身在激烈的市场竞争中获得更多的优势。其中营销业务信息化是重点以及核心,电力企业需要主动利用各种流媒体技术,加强对海量数据存储技术的分析以及研究,在智能分析技术
计算机网络技术的发展,给网络信息的安全也带来一定的挑战,如何有效提高网络通信的安全,成为人们关注的焦点,虚拟专用通信网络技术能够在不同的网络之间建立高效的通信方式,有效保证网络通信的安全。通过对虚拟专用网络技术的内涵与特征进行分析,提出了虚拟专用网络技术在计算机网络安全中的具体应用。