基于CNN-LSTM神經(jīng)網(wǎng)絡(luò)的聲紋識(shí)別系統(tǒng)設(shè)計(jì)
所屬分類：技術(shù)論文
上傳者：aetmagazine
文檔大?。?span>563 K
標(biāo)簽： 深度卷積神經(jīng)網(wǎng)絡(luò) 長(zhǎng)短期記憶網(wǎng)絡(luò) 特征提取
所需積分：0分積分不夠怎么辦,？
文檔介紹：為實(shí)現(xiàn)對(duì)心血管疾病的預(yù)警,，及早發(fā)現(xiàn)以心率,、心肺音惡性變化為代表的危險(xiǎn)前兆,，設(shè)計(jì)基于CNN-LSTM神經(jīng)網(wǎng)絡(luò)的聲紋識(shí)別系統(tǒng),。利用物聯(lián)網(wǎng)技術(shù)融合心率傳感芯片,、單片機(jī),、電子聽診器等設(shè)備，對(duì)心率進(jìn)行實(shí)時(shí)監(jiān)測(cè),、輔助預(yù)警,；根據(jù)梅爾道普頻率系數(shù)對(duì)心肺音信號(hào)進(jìn)行特征提取，構(gòu)建基于CNN-LSTM算法的心肺音智能識(shí)別模型,，對(duì)部分心肺音進(jìn)行智能檢測(cè)診斷,，實(shí)驗(yàn)結(jié)果顯示損失值為0.082，準(zhǔn)確率達(dá)0.908,。開拓了人工智能技術(shù)在心血管疾病預(yù)警方面的應(yīng)用空間,，前瞻性強(qiáng)、結(jié)構(gòu)框架完整,，可有效避免醫(yī)療資源浪費(fèi),，前置對(duì)心血管疾病的應(yīng)對(duì)措施，市場(chǎng)應(yīng)用前景廣闊,，對(duì)于推動(dòng)智慧醫(yī)療有重大作用,。
現(xiàn)在下載
VIP會(huì)員，AET專家下載不扣分,；重復(fù)下載不扣分,，本人上傳資源不扣分。