二区论文，文章使用maxpooling和avgpooling结合的方式。实现了93%的精度。使用的数据集为physionet,划分成1min，采用10折交叉验证的方式。

介绍

1. SVM实现了98.7%的精确率，但是效率太低了。他做的是10min的段

   • Identifying episodes of sleep apnea in ECG by machine learning methods

2. 使用cnn模型的论文

   • OSACN-Net: Automated Classification of Sleep Apnea Using Deep Learning Model and Smoothed Gabor Spectrograms of ECG Signal使用GT将ECG信号转成227 * 227的图像。使用了k-折交叉验证。10%的测试集94%的精确度。

   • [Classififi-cation of obstructive sleep apnoea from single-lead ecg signals using convolutional neural and long short term

     memory networks] 首先在训练集上使用交叉验证，最后在测试集上，进行验证。

模型

1. 首先进行过滤。
2. 然后建立上面的模型

• （卷积 + 正则化 + relu+ 卷积 + 正则化+ 注意力模块）* 5
• flatten
• dense + dropout
• dense + dense
• 注意力
  • maxpooling
  • avgpooling
  • 然后直接dense + concatenated

实验流程与结果

1. 采用了十折交叉验证，将测试集和训练集混合起来。
2. 结果93%

最后

以上就是要减肥野狼为你收集整理的论文精度1-Obstructive Sleep-Apnea Detection using Signal Preprocessing and 1-D Channel Attention Networ介绍模型实验流程与结果的全部内容，希望文章能够帮你解决论文精度1-Obstructive Sleep-Apnea Detection using Signal Preprocessing and 1-D Channel Attention Networ介绍模型实验流程与结果所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。