- 博客(11)
- 收藏
- 关注
RSS订阅原创 时频分析法——连续小波变换(CWT)
连续小波变换利用一组基函数（称为小波）对信号进行分析。这些小波是由一个母小波通过平移和缩放生成的。母小波 ψ(t) 是一个平均值为零的波形，通常具有快速衰减的特性。通过调整缩放因子 a 和平移参数 b 来生成不同的小波，从而能够聚焦于信号的不同特性。小波变换可以定义为：其中f(t) 是输入信号；ψ(t) 是母小波；a 是缩放参数(不等于零)，控制小波的伸缩；b 是平移参数，控制小波在时间轴上的位置。
2024-08-03 17:08:18
6068
原创 简要说一下关于实现整个深度学习项目的流程
3.搭建深度学习网络；你需要根据所提取的特征形状设计适合该项目的网络，或者也可以使用一些比较先进的网络，比如VGG系列、LeNet、AlexNet、LSTM、GRU、Bilstm、attention、Resnet，也可在这些网络的基础上改进以此增强识别性能。你需要对所有的经过预处理并且将要输入神经网络的信号提取特征，比如信号的频谱图、时间-频率图或者是一些非线性的动力学特征，比如相空间这些。首先要将得到的生物信号进去噪音去除，另外所有的生物信号由于采样时间不同可能长度并不一样，这时候你需要统一长度。
2024-08-02 13:34:51
615
原创 经典卷积神经网络——VGGNet-16(超精炼，看完就会)
VGG的全称是Visual Geometry Group，隶属于牛津大学科学与工程系。它发布了一系列从VGG开始的卷积网络模型，从VGG16到VGG19，可应用于人脸识别和图像分类。VGG对卷积网络深度研究的初衷是要了解卷积网络的深度如何影响大规模图像分类和识别的准确率和准确率。PS:完整的VGG16搭建代码在最下面，心急的小伙伴可直接使用。
2024-07-31 17:37:25
530
原创 时频分析法——短时傅里叶变换(STFT)
时频分析法是对时序信号的一种时间-频率联合分析手段，也是将一维时间序列信号转化为二维图像的一种方法。其中，短时傅里叶变换、连续小波变换、希尔伯特-黄变换是时频分析法中最常用的三种方法。本文将以心电信号(ECGs)为例子来着重介绍STFT，相关的代码和数据也将在下面提供。所使用的数据来自于公开的心电信号数据库，获取网址如下：PTB Diagnostic ECG Database v1.0.0 (physionet.org)本文所有插图均由其中同一份经过预处理的数据得到，有想复现的小伙伴可以下载：文章顶部的"p
2024-07-29 20:08:51
3071
原创 注意力机制——SEnet 代码实现及解释(Tensorflow and Pytorch)
Squeeze-and-Excitation Networks（挤压和激励网络）是一种通道注意力机制，类似一个小插件嵌入在深度学习网络中，通过对不同通道的权重重新标定来实现对重要信息的注意。PS：简单来说通过卷积得到的特征图就是所谓的通道，通道数量就是卷积层的过滤器数量。我们通过结合下面的图像来理解SE的工作原理,以三维为例子进行解释，二维同样适用。心急的小伙伴可以直接划到下方使用代码哦。1.在图的上方D×H×W×C是输入数据的形状，分别为深度×高度×宽度×通道数，二维则没有深度；
2024-07-26 00:40:46
1172
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人