超越多示例神经网络：基于局部模式聚合的深度学习模型
机器学习
2022-10-07 v2
摘要
深度卷积神经网络 (CNNs) 在处理临床心电图 (ECGs)、说话人无关的语音及复杂图像方面已取得突破。然而，典型 CNNs 需要固定输入尺寸，而实际应用中处理变尺寸数据十分常见。诸如长短期记忆 (LSTM) 的循环网络能够消除该限制，但面临高计算复杂度的困扰。本文提出基于局部模式聚合的深度学习模型，以有效应对这两个问题。这种称为 LPANet 的新型网络结构将裁剪与聚合操作嵌入其中。借助这些新特性，LPANet 可降低模型参数调优难度，从而倾向于提升泛化性能。为证明有效性，我们将其应用于室性早搏检测问题，实验结果表明相较 CNN 和 LSTM 等经典网络模型，所提方法具有一定优势。
引用
@article{arxiv.2205.14428,
title = {Go Beyond Multiple Instance Neural Networks: Deep-learning Models based on Local Pattern Aggregation},
author = {Linpeng Jin},
journal= {arXiv preprint arXiv:2205.14428},
year = {2022}
}