![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
文章平均质量分 58
三十八画生
研究生在读
展开
-
深度残差收缩网络:一种新的深度注意力机制算法
本文简介了一种新的深度注意力算法,即深度残差收缩网络(Deep Residual Shrinkage Network)。从功能上讲,深度残差收缩网络是一种面向强噪声或者高度冗余数据的特征学习方法。本文首先回顾了相关基础知识,然后介绍了深度残差收缩网络的动机和具体实现,希望对大家有所帮助。1.前言深度残差收缩网络主要建立在三个部分的基础之上:深度残差网络、软阈值函数和注意力机制。1.1 残差神经网络深度残差网络无疑是近年来最成功的深度学习算法之一,在谷歌学术上的引用已经突破四万次。相较于普通的原创 2022-03-23 16:07:18 · 5245 阅读 · 4 评论 -
一维卷积神经网络对情绪分类
1.数据预处理 本实验使用AMIGOS数据集。首先将GSR进行提取存入到新的csv文件中。通过cvxEDA将其分解为tonic信号和phasic信号。 这样我们就有了gsr原始信号、tonic信号、phasic信号。他们的长度各为5000。将每一个信号合并得到一维的(1,15000)的数据(也就是把这三个数据放到一行里)。代码import numpy as npimport pandas as pdfrom sklearn.preprocessing...原创 2021-11-18 15:12:31 · 751 阅读 · 16 评论