首页--医药、卫生论文--基础医学论文--医用一般科学论文--生物医学工程论文

基于卷积—长短时记忆神经网络的时序信号多粒度分析处理方法研究

摘要第4-6页
ABSTRACT第6-7页
第1章 绪论第11-19页
    1.1 课题来源与背景及研究的目的和意义第11-12页
    1.2 时序信号的分析方法国内外发展现状第12-13页
    1.3 深度神经网络的发展现状第13-16页
    1.4 目前存在的问题第16-17页
        1.4.1 时序信号处理目前存在的问题第16页
        1.4.2 深度学习技术的问题与不足第16-17页
    1.5 本文的主要研究内容及结构安排第17-19页
第2章 认知启发下时序信号多粒度特征提取与融合方法研究第19-28页
    2.1 引言第19页
    2.2 基于人脑认知的特征粒度划分第19-20页
    2.3 帧特征的提取方法第20-22页
        2.3.1 分帧第20页
        2.3.2 加窗第20-21页
        2.3.3 帧粒度时频特征提取第21-22页
    2.4 认知启发下段粒度特征提取方法研究第22-24页
        2.4.1 人脑处理时序信息的认知规律第22-23页
        2.4.2 基于高斯函数的段粒度特征提取方法第23页
        2.4.3 基于指数函数的段粒度特征集成加工方法第23-24页
    2.5 全局粒度特征提取方法研究第24-25页
        2.5.1 全局特征提取方法第24-25页
        2.5.2 基于高斯函数的全局特征提取方法第25页
    2.6 多粒度特征融合方法研究第25-27页
        2.6.1 不同粒度特征的对齐方法第25-26页
        2.6.2 不同粒度特征的融合方法第26-27页
    2.7 本章小结第27-28页
第3章 基于C-LSTM结构的端到端时序信号分析处理模型研究第28-38页
    3.1 引言第28页
    3.2 基于CNN的端到端多粒度特征提取与融合方法研究第28-32页
        3.2.1 基于CNN的端到端多粒度特征提取方法第28-30页
        3.2.2 基于CNN的端到端多粒度特征融合方法第30页
        3.2.3 CNN训练方法第30-32页
    3.3 基于LSTM的时序信号建模分类方法第32-35页
        3.3.1 LSTM网络基本原理第32-33页
        3.3.2 LSTM网络学习方法第33-35页
    3.4 C-LSTM网络模型研究第35-37页
        3.4.1 C-LSTM网络模型参数优化第35-36页
        3.4.2 C-LSTM网络深度的优化第36-37页
    3.5 本章小结第37-38页
第4章 认知启发下的语音情感分类问题第38-50页
    4.1 引言第38-39页
    4.2 语音情感的认知规律第39-41页
        4.2.1 语音情感认知规律探索实验第39页
        4.2.2 实验结果及分析第39-40页
        4.2.3 语音情感认知规律对特征提取的启发第40-41页
    4.3 语音情感识别实验第41-49页
        4.3.1 离散语音情感数据集第41-42页
        4.3.2 基于高斯函数的多粒度特征提取与融合实验第42-45页
        4.3.3 基于C-LSTM的端到端多粒度特征提取与融合实验第45-49页
    4.4 本章小结第49-50页
第5章 融合空间信息的脑认知状态分类问题第50-58页
    5.1 引言第50页
    5.2 基于C-LSTM的脑电实验第50-51页
        5.2.1 数据集第50页
        5.2.2 C-LSTM模型拓扑结构第50-51页
    5.3 基于电极空间排布信息的输入数据处理方法研究第51-53页
        5.3.1 基于电极空间位置的信息重构方法第52页
        5.3.2 融合时空信息的 3D-C-LSTM模型研究第52-53页
    5.4 基于小波变换动态脑网络的C-LSTM模型研究第53-57页
        5.4.1 小波动态脑网络的构建第53-55页
        5.4.2 时间维度分窗平均方法第55-56页
        5.4.3 基于时间序列的 3D-C-LSTM方法第56-57页
    5.5 本章小结第57-58页
结论第58-60页
参考文献第60-65页
攻读硕士学位期间发表的论文及其它成果第65-67页
致谢第67页

论文共67页,点击 下载论文
上一篇:基于计算机视觉和深度学习的自动驾驶方法研究
下一篇:高新区政府管理创新研究--以温州高新区发展为例