MC-QDSNN:基于多树突腔室神经元的量化深度进化脉冲神经网络用于生理信号下的压力检测
原文中文,约300字,阅读约需1分钟。发表于: 。本研究解决了脉冲神经网络在处理时间序列数据时计算和功耗要求高的问题。提出了多腔室泄漏(MCLeaky)神经元作为一种高效的替代方案,相较于传统的脉冲长短时记忆网络(LSTM),其在压力检测中的准确率高达98.8%,且参数使用减少20%。该工作展现了在不同信号模式下的显著节能效果,最大能源节省达到39.20倍。
引入L-SFAN卷积神经网络,通过2D滤波器设计捕捉动作和肌电图数据的时空相互作用。改进模型使用定向全局池化层和多头自注意机制,提高慢性下腰痛的分类准确度。实验表明,该方法在减少参数的同时提升性能,并增强模型可解释性,为临床管理提供新见解,展示AI在慢性病医疗中的潜力。