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。