An Electrocardiogram Signal Classification Algorithm Based on Improved Deep Residual Shrinkage Networks北大核心CSCD

心电信号分类是医疗保健领域的重要研究内容.针对大多数方法不能很好地降低样本数量少的类别漏诊率,以及降低预处理操作的复杂性问题,提出了一种基于改进深度残差收缩网络(IDRSN)的心电信号分类算法(即DRSL算法).首先,使用合成少数类过采样技术(SMOTE)扩充数量少的类别样本,从而解决了类不平衡问题;其次,利用改进深度残差收缩网络提取空间特征,其残差模块可以避免网络层加深造成的过拟合,压缩激励和软阈值化子网络可以提取重要局部特征并自动去除噪声;然后,通过长短期记忆网络(LSTM)提取时间特征;最后,利用全连接网络输出分类结果.在MIT-BIH心律失常数据集上的实验结果表明,该算法的分类性能优于IDRSN、DRSN、GAN+2DCNN、CNN+LSTM_ATTENTION、SE-CNN-LSTM分类算法.     

带有单模糊映射的一般变分不等式解的存在性

众所周知，在各种变分不等式问题中，解的存在性是最基础也是最重要的问题之一．本文的目的是在Hilbert空间中研究带有单模糊映射的一般变分不等式解的存在性．此外，还讨论了几种特殊情况．     

定点处全微分和相关计算问题的解法探究

根据偏导函数的定义,抓住问题的本质,能够给出有关定点处全微分计算及相关计算问题更为简洁、有效的求解方法.     

慕课背景下MATLAB与线性代数应用的融合——介绍国家精品在线开放课程“实用大众线性代数(MATLAB版)”

本文介绍了国家精品在线开放课程"实用大众线性代数(MATLAB版)",该课程具有科学的知识体系,拥有大量的应用实例,并把MATLAB与应用实例深度融合,学以致用.     

对比国外优秀教材 探索我国线性代数课程改革的新思路

大学数学课程的教学改革是当前的研究热点.本文通过中外线性代数教材的内容结构、建模应用等方面进行对比、分析,针对目前我国线性代数教材的不足,提出了我国线性代数课程改革的新思路.     

基于时间序列的混合神经网络数据融合算法

针对传统的数据融合算法对高噪声、大规模、数据结构复杂的时间序列数据融合性能较差的问题,该文提出了一种混合神经网络的数据融合算法(即SCLG算法).SCLG算法的思想是首先利用奇异谱分析算法对数据分解重构以达到去噪的目的;其次,通过深层卷积神经网络提取数据的空间特征和短期时间特征;然后,利用长短期记忆(LSTM)网络和门控循环单元(GRU)网络双层网络,进一步深度提取数据时间维度上的特征;最后,利用全连接网络综合主要信息输出最终的决策.通过SP&500和AQI数据集上的实验结果表明,该算法在融合性能及稳定性方面均优于DCNN、CNN LSTM、FDL数据融合算法.     

科学计算能力的培养与线性代数改革

讨论大学教学中科学计算能力的重要性，评价我国在这个领域的落后状况．目前的线性代数课程忽视实用性：第一是没有把后续课的需求作为制订大纲的依据，第二是没有把现代化作为改革的动力．结合研究经验。提出改进的建议．