- 1、本文档共86页,其中可免费阅读26页,需付费100金币后方可阅读剩余内容。
- 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
- 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
摘要
摘要
截至目前,在睡眠时序信号分类方面,已经出现了诸如生成对抗网络GAN、
时空图卷积神经网络STGCN等高精度网络模型。然而,这些网络模型也存在着
两个问题:一是睡眠数据PSG通道繁多,且均为采集一百多个夜晚的数据,致
使传统时序信号分类模型参数、浮点计算量庞大,不能在便携式、小型的移动设
备平台进行部署;二是近年来随着深度学习的发展和改进,在模型参数量、浮点
计算量减少的同时,模型的整体性能逐渐下降,模型复杂度降
您可能关注的文档
- 基于SERVQUAL-IPA模型的A公司车险理赔服务质量提升研究.pdf
- 基于SERVQUAL模型的H公司第三方物流供应商服务质量改进研究.pdf
- 基于SIVA理论的JX新华书店营销策略研究.pdf
- 基于Spring+Cloud的灰度发布系统的设计与实现.pdf
- 基于STEAM的中职实训课教学实践研究--以数字媒体专业为例.pdf
- 基于Swin+Transformer的呼吸音自动分类方法研究.pdf
- 基于TableMaster的端到端的表格识别算法研究.pdf
- 基于Tesseract_OCR的笔记电子化研究.pdf
- 基于Transformer的三维人体姿态估计和动画生成优化算法研究.pdf
- 基于Transformer的图像降噪算法研究.pdf
文档评论(0)