張飛軟硬開源基于STM32 BLDC直流無刷電機驅動器開發視頻套件,??戳此立搶??

基于KerasConv1D心電圖檢測開源教程

AI科技大本營 ? 2019-06-10 15:48 ? 次閱讀

本實戰內容取自筆者參加的首屆中國心電智能大賽項目,初賽要求為設計一個自動識別心電圖波形算法。筆者使用Keras框架設計了基于Conv1D結構的模型,并且開源了代碼作為Baseline。內容包括數據預處理,模型搭建,網絡訓練,模型應用等,此Baseline采用最簡單的一維卷積達到了88%測試準確率。有多支隊伍在筆者基線代碼基礎上調優取得了優異成績,順利進入復賽。

數據介紹

下載完整的訓練集和測試集,共1000例常規心電圖,其中訓練集中包含600例,測試集中共400例。該數據是從多個公開數據集中獲取。參賽團隊需要利用有正常/異常兩類標簽的訓練集數據設計和實現算法,并在沒有標簽的測試集上做出預測。

該心電數據的采樣率為500 Hz。為了方便參賽團隊用不同編程語言都能讀取數據,所有心電數據的存儲格式為MAT格式。該文件中存儲了12個導聯的電壓信號。訓練數據對應的標簽存儲在txt文件中,其中0代表正常,1代表異常。

賽題分析

簡單分析一下,初賽的數據集共有1000個樣本,其中訓練集中包含600例,測試集中共400例。其中訓練集中包含600例是具有label的,可以用于我們訓練模型;測試集中共400例沒有標簽,需要我們使用訓練好的模型進行預測。

賽題就是一個二分類預測問題,解題思路應該包括以下內容

數據讀取與處理

網絡模型搭建

模型的訓練

模型應用與提交預測結果

實戰應用

經過對賽題的分析,我們把任務分成四個小任務,首先第一步是:

1.數據讀取與處理

該心電數據的采樣率為500 Hz。為了方便參賽團隊用不同編程語言都能讀取數據,所有心電數據的存儲格式為MAT格式。該文件中存儲了12個導聯的電壓信號。訓練數據對應的標簽存儲在txt文件中,其中0代表正常,1代表異常。

我們由上述描述可以得知,

我們的數據保存在MAT格式文件中(這決定了后面我們要如何讀取數據)

采樣率為500 Hz(這個信息并沒有怎么用到,大家可以簡單了解一下,就是1秒采集500個點,由后面我們得知每個數據都是5000個點,也就是10秒的心電圖片)

12個導聯的電壓信號(這個是指采用12種導聯方式,大家可以簡單理解為用12個體溫計量體溫,從而得到更加準確的信息,下圖為導聯方式簡單介紹,大家了解下即可。要注意的是,既然提供了12種導聯,我們應該全部都用到,雖然我們僅使用一種導聯方式也可以進行訓練與預測,但是經驗告訴我們,采取多個特征會取得更優效果)

數據處理函數定義:

import kerasfrom scipy.io import loadmatimport matplotlib.pyplot as pltimport globimport numpy as npimport pandas as pdimport mathimport osfrom keras.layers import *from keras.models import *from keras.objectives import *BASE_DIR = “preliminary/TRAIN/”#進行歸一化def normalize(v): return (v - v.mean(axis=1).reshape((v.shape[0],1))) / (v.max(axis=1).reshape((v.shape[0],1)) + 2e-12)loadmat打開文件def get_feature(wav_file,Lens = 12,BASE_DIR=BASE_DIR): mat = loadmat(BASE_DIR+wav_file) dat = mat[“data”] feature = dat[0:12] return(normalize(feature).transopse())#把標簽轉成oneHot形式def convert2oneHot(index,Lens): hot = np.zeros((Lens,)) hot[index] = 1 return(hot)TXT_DIR = “preliminary/reference.txt”MANIFEST_DIR = “preliminary/reference.csv”

讀取一條數據進行顯示

if name__ == “__main”: dat1 = get_feature(“preliminary/TRAIN/TRAIN101.mat”) print(dat1.shape) #one data shape is (12, 5000) plt.plt(dat1[:,0]) plt.show()

我們由上述信息可以看出每種導聯都是由5000個點組成的列表,12種導聯方式使每個樣本都是12*5000的矩陣,類似于一張分辨率為12x5000的照片。

我們需要處理的就是把每個讀取出來,歸一化一下,送入網絡進行訓練可以了。

標簽處理方式

def create_csv(TXT_DIR=TXT_DIR): lists = pd.read_csv(TXT_DIR,sep=r“\t”,header=None) lists = lists.sample(frac=1) lists.to_csv(MANIFEST_DIR,index=None) print(“Finish save csv”)

我這里是采用從reference.txt讀取,然后打亂保存到reference.csv中,注意一定要進行數據打亂操作,不然訓練效果很差。因為原始數據前面便簽全部是1,后面全部是0

數據迭代方式

Batch_size = 20def xs_gen(path=MANIFEST_DIR,batch_size = Batch_size,train=True):img_list = pd.read_csv(path)if train : img_list = np.array(img_list)[:500] print(“Found %s train items.”%len(img_list)) print(“list 1 is”,img_list[0]) steps = math.ceil(len(img_list) / batch_size) # 確定每輪有多少個batchelse: img_list = np.array(img_list)[500:] print(“Found %s test items.”%len(img_list)) print(“list 1 is”,img_list[0]) steps = math.ceil(len(img_list) / batch_size) # 確定每輪有多少個batchwhile True: for i in range(steps): batch_list = img_list[i * batch_size : i * batch_size + batch_size] np.random.shuffle(batch_list) batch_x = np.array([get_feature(file) for file in batch_list[:,0]]) batch_y = np.array([convert2oneHot(label,2) for label in batch_list[:,1]]) yield batch_x, batch_y

數據讀取的方式我采用的是生成器的方式,這樣可以按batch讀取,加快訓練速度,大家也可以采用一下全部讀取,看個人的習慣了

2.網絡模型搭建

數據我們處理好了,后面就是模型的搭建了,我使用keras搭建的,操作簡單便捷,tf,pytorch,sklearn大家可以按照自己喜好來。

網絡模型可以選擇CNN,RNN,Attention結構,或者多模型的融合,拋磚引玉,此Baseline采用的一維CNN方式,一維CNN學習地址

模型搭建

TIME_PERIODS = 5000num_sensors = 12def build_model(input_shape=(TIME_PERIODS,num_sensors),num_classes=2): model = Sequential() #model.add(Reshape((TIME_PERIODS, num_sensors), input_shape=input_shape)) model.add(Conv1D(16, 16,strides=2, activation=‘relu’,input_shape=input_shape)) model.add(Conv1D(16, 16,strides=2, activation=‘relu’,padding=“same”)) model.add(MaxPooling1D(2)) model.add(Conv1D(64, 8,strides=2, activation=‘relu’,padding=“same”)) model.add(Conv1D(64, 8,strides=2, activation=‘relu’,padding=“same”)) model.add(MaxPooling1D(2)) model.add(Conv1D(128, 4,strides=2, activation=‘relu’,padding=“same”)) model.add(Conv1D(128, 4,strides=2, activation=‘relu’,padding=“same”)) model.add(MaxPooling1D(2)) model.add(Conv1D(256, 2,strides=1, activation=‘relu’,padding=“same”)) model.add(Conv1D(256, 2,strides=1, activation=‘relu’,padding=“same”)) model.add(MaxPooling1D(2)) model.add(GlobalAveragePooling1D()) model.add(Dropout(0.3)) model.add(Dense(num_classes, activation=‘softmax’)) return(model)

用model.summary()輸出的網絡模型為

訓練參數比較少,大家可以根據自己想法更改。

3.網絡模型訓練

模型訓練

if name__ == “__main”: “”“dat1 = get_feature(”TRAIN101.mat“) print(”one data shape is“,dat1.shape) #one data shape is (12, 5000) plt.plot(dat1[0]) plt.show()”“” if (os.path.exists(MANIFEST_DIR)==False): create_csv() train_iter = xs_gen(train=True) test_iter = xs_gen(train=False) model = build_model() print(model.summary()) ckpt = keras.callbacks.ModelCheckpoint( filepath=‘best_model.{epoch:02d}-{val_acc:.2f}.h5’, monitor=‘val_acc’, save_best_only=True,verbose=1) model.compile(loss=‘categorical_crossentropy’, optimizer=‘adam’, metrics=[‘accuracy’]) model.fit_generator( generator=train_iter, steps_per_epoch=500//Batch_size, epochs=20, initial_epoch=0, validation_data = test_iter, nb_val_samples = 100//Batch_size, callbacks=[ckpt], )

訓練過程輸出(最優結果:loss: 0.0565 - acc: 0.9820 - val_loss: 0.8307 - val_acc: 0.8800)

Epoch 10/2025/25 [==============================] - 1s 37ms/step - loss: 0.2329 - acc: 0.9040 - val_loss: 0.4041 - val_acc: 0.8700Epoch 00010: val_acc improved from 0.85000 to 0.87000, saving model to best_model.10-0.87.h5Epoch 11/2025/25 [==============================] - 1s 38ms/step - loss: 0.1633 - acc: 0.9380 - val_loss: 0.5277 - val_acc: 0.8300Epoch 00011: val_acc did not improve from 0.87000Epoch 12/2025/25 [==============================] - 1s 40ms/step - loss: 0.1394 - acc: 0.9500 - val_loss: 0.4916 - val_acc: 0.7400Epoch 00012: val_acc did not improve from 0.87000Epoch 13/2025/25 [==============================] - 1s 38ms/step - loss: 0.1746 - acc: 0.9220 - val_loss: 0.5208 - val_acc: 0.8100Epoch 00013: val_acc did not improve from 0.87000Epoch 14/2025/25 [==============================] - 1s 38ms/step - loss: 0.1009 - acc: 0.9720 - val_loss: 0.5513 - val_acc: 0.8000Epoch 00014: val_acc did not improve from 0.87000Epoch 15/2025/25 [==============================] - 1s 38ms/step - loss: 0.0565 - acc: 0.9820 - val_loss: 0.8307 - val_acc: 0.8800Epoch 00015: val_acc improved from 0.87000 to 0.88000, saving model to best_model.15-0.88.h5Epoch 16/2025/25 [==============================] - 1s 38ms/step - loss: 0.0261 - acc: 0.9920 - val_loss: 0.6443 - val_acc: 0.8400Epoch 00016: val_acc did not improve from 0.88000Epoch 17/2025/25 [==============================] - 1s 38ms/step - loss: 0.0178 - acc: 0.9960 - val_loss: 0.7773 - val_acc: 0.8700Epoch 00017: val_acc did not improve from 0.88000Epoch 18/2025/25 [==============================] - 1s 38ms/step - loss: 0.0082 - acc: 0.9980 - val_loss: 0.8875 - val_acc: 0.8600Epoch 00018: val_acc did not improve from 0.88000Epoch 19/2025/25 [==============================] - 1s 37ms/step - loss: 0.0045 - acc: 1.0000 - val_loss: 1.0057 - val_acc: 0.8600Epoch 00019: val_acc did not improve from 0.88000Epoch 20/2025/25 [==============================] - 1s 37ms/step - loss: 0.0012 - acc: 1.0000 - val_loss: 1.1088 - val_acc: 0.8600Epoch 00020: val_acc did not improve from 0.88000

4.模型應用預測結果

預測數據

if name__ == “__main”: “”“dat1 = get_feature(”TRAIN101.mat“) print(”one data shape is“,dat1.shape) #one data shape is (12, 5000) plt.plot(dat1[0]) plt.show()”“” “”“if (os.path.exists(MANIFEST_DIR)==False): create_csv() train_iter = xs_gen(train=True) test_iter = xs_gen(train=False) model = build_model() print(model.summary()) ckpt = keras.callbacks.ModelCheckpoint( filepath=‘best_model.{epoch:02d}-{val_acc:.2f}.h5’, monitor=‘val_acc’, save_best_only=True,verbose=1) model.compile(loss=‘categorical_crossentropy’, optimizer=‘adam’, metrics=[‘accuracy’]) model.fit_generator( generator=train_iter, steps_per_epoch=500//Batch_size, epochs=20, initial_epoch=0, validation_data = test_iter, nb_val_samples = 100//Batch_size, callbacks=[ckpt], )”“” PRE_DIR = “sample_codes/answers.txt” model = load_model(“best_model.15-0.88.h5”) pre_lists = pd.read_csv(PRE_DIR,sep=r“ ”,header=None) print(pre_lists.head()) pre_datas = np.array([get_feature(item,BASE_DIR=“preliminary/TEST/”) for item in pre_lists[0]]) pre_result = model.predict_classes(pre_datas)#0-1概率預測 print(pre_result.shape) pre_lists[1] = pre_result pre_lists.to_csv(“sample_codes/answers1.txt”,index=None,header=None) print(“predict finish”)

下面是前十條預測結果:

TEST394,0TEST313,1TEST484,0TEST288,0TEST261,1TEST310,0TEST286,1TEST367,1TEST149,1TEST160,1

展望

此Baseline采用最簡單的一維卷積達到了88%測試準確率(可能會因為隨機初始化值上下波動),大家也可以多嘗試GRU,Attention,和Resnet等結果,測試準確率會突破90+。


原文標題:實戰 | 基于KerasConv1D心電圖檢測開源教程(附代碼)

文章出處:【微信號:rgznai100,微信公眾號:AI科技大本營】歡迎添加關注!文章轉載請注明出處。

收藏 人收藏
分享:

評論

相關推薦

快速構建RT-Thread 可通用的軟件包

主題介紹及亮點:軟件包在高級語言中非常常見,很多高級語言都有對應的軟件包平臺,軟件包生態對于一門語言的選擇至關重要,本次
發表于 09-11 00:00 ? 28次 閱讀
快速構建RT-Thread 可通用的軟件包

清華成立NLP與社會人文計算研究中心 開源機器翻譯系統等三項成果

近日,清華大學人工智能研究院自然語言處理與社會人文計算研究中心(以下簡稱中心)成立儀式在清華大學FI....
的頭像 大數據文摘 發表于 07-05 15:48 ? 158次 閱讀
清華成立NLP與社會人文計算研究中心 開源機器翻譯系統等三項成果

5G開源創新中心在能源和汽車場景的應用

創新的企業借助開源的特性,容易形成比較高的競爭壁壘,避免惡性競爭的發生。
的頭像 開源工業互聯網聯盟 發表于 07-05 14:08 ? 146次 閱讀
5G開源創新中心在能源和汽車場景的應用

開源對于區塊鏈來說有多重要

不管是互聯網還是區塊鏈,作為一項技術進入大眾的視野,開源與否都飽含爭議。
發表于 07-05 10:21 ? 11次 閱讀
開源對于區塊鏈來說有多重要

騰訊率先開源面向世界 華為鴻蒙為何遲遲不出?

近日,騰訊宣布成立開源管理辦公室,內部有三個機構。騰訊目前已經實現了內部開源協作,通過小團隊或跨部門....
的頭像 嵌入式資訊精選 發表于 07-01 16:28 ? 671次 閱讀
騰訊率先開源面向世界 華為鴻蒙為何遲遲不出?

一年開源12款新工具 谷歌負責任AI原則落地生根

自從谷歌宣布AI原則開始,已經過了一年時間。如今Jeff Dean和Kent Walker對原則獲得....
的頭像 新智元 發表于 07-01 11:40 ? 371次 閱讀
一年開源12款新工具 谷歌負責任AI原則落地生根

Cruise 開源可視化平臺,提升自動駕駛研究水平

任何人都可以將任何ROS包文件拖放到Webviz中,以直觀地了解機器人數據。
的頭像 智車科技 發表于 06-28 13:54 ? 264次 閱讀
Cruise 開源可視化平臺,提升自動駕駛研究水平

Facebook AI開源機器人框架 PyRobot

它以靈活、簡便、易上手的特性,進一步降低了機器人研究與應用的成本。
的頭像 全球人工智能 發表于 06-28 10:05 ? 175次 閱讀
Facebook AI開源機器人框架 PyRobot

美國政府在人工智能戰略計劃中再提開源動力

2019年6月21日,美國白宮政府發布了《美國人工智能研發戰略計劃2019更新版》,在2016年發布....
的頭像 開源工業互聯網聯盟 發表于 06-25 10:50 ? 579次 閱讀
美國政府在人工智能戰略計劃中再提開源動力

開源機器學習管理平臺TRAINS

不論是對于團隊還是企業,TRAINS都能將所有內容記錄在一個中央服務器中,并實現可視化和出處,這樣生....
的頭像 新智元 發表于 06-23 08:09 ? 396次 閱讀
開源機器學習管理平臺TRAINS

Facebook構建虛擬空間訓練AI

近日,Facebook推出一個開源的模擬數據集,希望幫助研究人員創建更加真實的AR/VR體驗,最終目....
的頭像 機器人技術與應用 發表于 06-18 17:07 ? 610次 閱讀
Facebook構建虛擬空間訓練AI

開源工業互聯網聯盟推出IOT3000開源方案

為了便于聯盟成員了解IOT 3000的具體內容,開源工業互聯網聯盟組織專家編寫了《IOT 3000開....
的頭像 開源工業互聯網聯盟 發表于 06-18 09:43 ? 570次 閱讀
開源工業互聯網聯盟推出IOT3000開源方案

圖靈獎得主牽頭推動芯片開源 清華伯克利成立RISC-V國際實驗室

圖靈獎得主牽頭,清華伯克利聯手打造開源芯片,以深圳為根節點,全面提升 RISC-V 生態系統至最先進....
的頭像 新智元 發表于 06-17 15:05 ? 875次 閱讀
圖靈獎得主牽頭推動芯片開源 清華伯克利成立RISC-V國際實驗室

谷歌將AutoML應用于Transformer架構,翻譯結果飆升!

為了探索AutoML在序列域中的應用是否能夠取得的成功,谷歌的研究團隊在進行基于進化的神經架構搜索(....
的頭像 新智元 發表于 06-16 11:29 ? 993次 閱讀
谷歌將AutoML應用于Transformer架構,翻譯結果飆升!

清華、伯克利聯手打造 成立RISC-V國際實驗室

圖靈獎得主牽頭,清華伯克利聯手打造開源芯片,以深圳為根節點,全面提升 RISC-V 生態系統至最先進....
的頭像 全球人工智能 發表于 06-16 10:16 ? 1116次 閱讀
清華、伯克利聯手打造 成立RISC-V國際實驗室

谷歌開源張量計算庫_速度提高100倍

6月5日消息,據外媒報道,日前,谷歌公司的人工智能部門與加拿大圓周理論物理研究所,以及谷歌母公司Al....
的頭像 電子發燒友網工程師 發表于 06-15 11:04 ? 616次 閱讀
谷歌開源張量計算庫_速度提高100倍

RISC-V崛起、開源破局,中國芯片困境可解?

不同于要收取高額授權費的ARM架構,RISC-V并不掌握在任何一家公司手里。
的頭像 DIGITIMES 發表于 06-11 14:08 ? 1047次 閱讀
RISC-V崛起、開源破局,中國芯片困境可解?

大量使用開源的中國 AI 應用,會是下一個被卡住的嗎?

對于部分開源(Open source) 的資源,未來是不是也會受到美國出口管制條例的限制,這將是另一....
的頭像 DeepTech深科技 發表于 06-11 08:52 ? 1112次 閱讀
大量使用開源的中國 AI 應用,會是下一個被卡住的嗎?

史上最小!納米級無人機僅重27克,CNN自主導航,已開源!

還記得《黑鏡》中的殺人蜂嗎?蜜蜂大小、威力巨大。
的頭像 無人機網 發表于 06-09 17:41 ? 541次 閱讀
史上最小!納米級無人機僅重27克,CNN自主導航,已開源!

開源架構RISC-V到底會不會有“被禁”風險?

繼此前開源的谷歌安卓、英國的Arm,以及多個全球性的技術聯盟/協會都宣布執行美禁令之后,很多人不禁要....
的頭像 芯智訊 發表于 06-09 17:19 ? 880次 閱讀
開源架構RISC-V到底會不會有“被禁”風險?

GitHub五萬星登頂 程序員命令行最全技巧寶典!

最近兩天,「The Art of Command Line(命令行的藝術)」這個開源項目雄踞了 Gi....
的頭像 AI科技大本營 發表于 06-06 14:02 ? 431次 閱讀
GitHub五萬星登頂 程序員命令行最全技巧寶典!

GitHub標星15K,這個開源項目讓算法動起來

一個可視化學算法的好工具
的頭像 電子發燒友網工程師 發表于 05-31 09:44 ? 321次 閱讀
GitHub標星15K,這個開源項目讓算法動起來

機器人開源交叉足使用教程必讀資料免費下載

本文檔的主要內容詳細介紹的是機器人開源交叉足使用教程必讀資料免費下載 1、 如購買的是成品,直接將....
發表于 05-31 08:00 ? 112次 閱讀
機器人開源交叉足使用教程必讀資料免費下載

GitHub推出開發者贊助項目 全新的支持開源軟件的方式

近日,全球最大的開源軟件平臺GitHub推出了開發者贊助項目GitHub Sponsors。這是一種....
的頭像 嵌入式資訊精選 發表于 05-27 11:40 ? 1224次 閱讀
GitHub推出開發者贊助項目 全新的支持開源軟件的方式

開源社區GitHub推出了一款新工具——測試版GitHub Sponsors

根據GitHub介紹,這項新功能的目的是“擴大參與和構建開源的機會”。但這可能會引起一些開源開發者的....
的頭像 新智元 發表于 05-25 09:01 ? 1286次 閱讀
開源社區GitHub推出了一款新工具——測試版GitHub Sponsors

國內的開源生態不完整 缺乏開源種子發展的環境

開源軟件與傳統的產品及服務模式有較大的不同,它不能直接簡單的通過交易模式獲得收入,這導致了其商業模式....
的頭像 電子發燒友網工程師 發表于 05-24 09:39 ? 570次 閱讀
國內的開源生態不完整 缺乏開源種子發展的環境

數據庫的高級語言是什么

雖然接近10年沒有用過VIsual FoxPro,FoxPro已經沒落了,微軟也不再開發了,部分放在CodePlex開源了。 但是一直很懷念V...
發表于 05-24 07:21 ? 81次 閱讀
數據庫的高級語言是什么

在Arduino開發平臺上自制色彩變幻的骷髏鏡

作為萬圣節的禮物,也是相當棒的~
的頭像 電子DIY視頻 發表于 05-24 06:16 ? 354次 觀看
在Arduino開發平臺上自制色彩變幻的骷髏鏡

Hibernate的對象定義和實例狀態

Hibernate是一個很優秀的開源免費的持久化框架,主要是為了解決對象模型和關系模型阻抗不匹配的情況 session是實體管理器 對...
發表于 05-23 09:01 ? 66次 閱讀
Hibernate的對象定義和實例狀態

采用Arduino電子原型平臺制作自動泡茶機

Arduino是一款便捷靈活、方便上手的開源電子原型平臺。包含硬件(各種型號的Arduino板)和軟....
的頭像 電子DIY視頻 發表于 05-22 06:14 ? 387次 觀看
采用Arduino電子原型平臺制作自動泡茶機

微服務架構是一個龐大復雜的工程,為什么說它龐大復雜呢?

如圖,自己注冊就是指微服務節點在啟動的時候,自己去服務注冊中心登記注冊了,把自己的信息和狀態傳過去。....
的頭像 Linux愛好者 發表于 05-13 13:58 ? 502次 閱讀
微服務架構是一個龐大復雜的工程,為什么說它龐大復雜呢?

Github發布重大功能性更新GitHub Package Registry

在處理一個依賴于軟件包的項目時,重要的是要信任、理解軟件包的代碼,并與構建項目的社區建立聯系。在社區....
的頭像 新智元 發表于 05-13 08:57 ? 629次 閱讀
Github發布重大功能性更新GitHub Package Registry

《AI算法工程師手冊》已正式開源

這本《AI 算法工程師手冊》是作者多年以來學習總結的筆記,經整理之后開源于世。關于為什么將完整書籍開....
的頭像 電子發燒友網工程師 發表于 05-11 09:55 ? 1037次 閱讀
《AI算法工程師手冊》已正式開源

阿里正式開源輕量級深度學習端側推理引擎“MNN”

Interpreter 由 Engine 和 Backends 構成。前者負責模型的加載、計算圖的調....
的頭像 新智元 發表于 05-10 09:04 ? 640次 閱讀
阿里正式開源輕量級深度學習端側推理引擎“MNN”

然倘若開源的項目訪問受到限制且收費,那能稱得上真正的開源嗎?

大家對亞馬遜此舉的反應并非都是負面的。一些開源社區的資深人士對亞馬遜維護開源價值的行為表示贊許,同時....
的頭像 傳感器技術 發表于 05-07 16:17 ? 958次 閱讀
然倘若開源的項目訪問受到限制且收費,那能稱得上真正的開源嗎?

高頻心電發展過程中遇到的問題以及市場前景淺析

心血管疾病是危害人類健康的常見病,常規心電圖診斷雖然具有較高價值,但當心電信息高于100Hz時,常規....
發表于 05-05 16:01 ? 737次 閱讀
高頻心電發展過程中遇到的問題以及市場前景淺析

騰訊重磅開源DCache 分布式NoSQL存儲系統

分布式集群化、異地鏡像部署、容災容錯、后接DB、Web可視化運維
的頭像 電子發燒友網工程師 發表于 05-05 10:36 ? 640次 閱讀
騰訊重磅開源DCache 分布式NoSQL存儲系統

提高開源應用程序的處理器性能

David Katz,Tomasz Lukasiak和Rick Gentile   模擬對話,第39卷 -  2005年2月...
發表于 04-28 17:20 ? 161次 閱讀
提高開源應用程序的處理器性能

VSCodium: 100%開源的Microsoft VS Code

這種追蹤主要用于遠程收集使用數據并將其發送給Microsoft,以“幫助改進其產品和服務”。遙測(遠....
的頭像 電子發燒友網工程師 發表于 04-24 10:20 ? 1178次 閱讀
VSCodium: 100%開源的Microsoft VS Code

微軟美國研究院和清華聯合推出了一款開源的多領域端到端對話系統平臺—ConvLab

整個系統基于模塊化的設計保障了靈活性和適應性。為了支持多領域對話系統的搭建,平臺使用了主體-環境-對....
的頭像 將門創投 發表于 04-23 10:42 ? 753次 閱讀
微軟美國研究院和清華聯合推出了一款開源的多領域端到端對話系統平臺—ConvLab

開源項目的分類

21小時上手深度學習1,從開源項目做起
發表于 04-19 08:53 ? 79次 閱讀
開源項目的分類

開源鑒黃AI新鮮出爐:代碼+預訓練模型,附手把手入門教學

今天我們就來學習用Keras構建模型,識別NSFW圖片,俗稱造個鑒黃AI。
的頭像 人工智能 發表于 04-16 16:40 ? 807次 閱讀
開源鑒黃AI新鮮出爐:代碼+預訓練模型,附手把手入門教學

周小鵬:努力讓 FPGA支持更多開源庫和框架

對于用戶而言,FPGA在云端應用兼顧了速度和靈活性。
的頭像 LiveVideoStack 發表于 04-16 15:40 ? 636次 閱讀
周小鵬:努力讓 FPGA支持更多開源庫和框架

典型的模擬心電圖拓撲結構和ECG信號鏈分析

心電圖的前端必須能夠處理極弱信號范圍為0.5 mV至5.0 mV,結合直流分量高達±300 mV -....
的頭像 模擬對話 發表于 04-11 09:38 ? 671次 閱讀
典型的模擬心電圖拓撲結構和ECG信號鏈分析

MSU公布了2018視頻編碼壓縮報告的補充部分

在該免費版報告中并未說明使用x265的哪個速度檔用作對比。此報告作為“2018MSU編碼報告”的補充....
的頭像 LiveVideoStack 發表于 04-08 17:21 ? 902次 閱讀
MSU公布了2018視頻編碼壓縮報告的補充部分

何愷明等人再出重磅新作:分割任務的TensorMask框架

基于 TensorMask 表示的模型,有一個采用滑窗的掩碼預測分支和一個類似于檢測框回歸的分類分支....
的頭像 電子發燒友網工程師 發表于 04-04 17:21 ? 1292次 閱讀
何愷明等人再出重磅新作:分割任務的TensorMask框架

Facebook 人工智能團隊已經創建并正在開放源代碼 PyTorch Biggraph

有效處理大規模圖對于促進人工智能的研究和應用至關重要,但特別是在工業應用中的圖,包含數十億個節點和數....
的頭像 電子發燒友網工程師 發表于 04-04 11:12 ? 1579次 閱讀
Facebook 人工智能團隊已經創建并正在開放源代碼 PyTorch Biggraph

WatchOS 5.2正式版更新: ECG心電圖功能“解封”

今天凌晨,蘋果給Apple Watch用戶推送了watchOS 5.2正式版更新。不少用戶驚喜地發現....
的頭像 OFweek可穿戴設備網 發表于 04-02 11:13 ? 3658次 閱讀
WatchOS 5.2正式版更新: ECG心電圖功能“解封”

濾波器在心電圖的兩個應用詳細論文說明

本文檔的主要內容詳細介紹的是濾波器在心電圖的兩個應用詳細論文說明包括了:自適應相干模板法在心電圖機中....
發表于 04-02 08:00 ? 89次 閱讀
濾波器在心電圖的兩個應用詳細論文說明

Effective TensorFlow 2.0高效開發指南

TensorFlow 1.x嚴重依賴隱式全局命名空間。當你調用tf.Variable(),它會被放入....
的頭像 電子發燒友網工程師 發表于 03-31 11:40 ? 991次 閱讀
Effective TensorFlow 2.0高效開發指南

開源項目的可持續性從不同角度看一般會有不同的定義

筆者曾經在使用一個開源的數據庫遷移工具時遇到過此類問題,具體是文檔中說明該開源工具有功能 A,但并未....
的頭像 新智元 發表于 03-29 11:08 ? 734次 閱讀
開源項目的可持續性從不同角度看一般會有不同的定義

Motrix是一款開源免費且界面非常清爽簡約的全能型下載軟件

Motrix 默認開放了 Aria 2 的 JSON-RPC 支持,可以兼容所有支持 Aria2 的....
的頭像 悟空智能科技 發表于 03-28 15:52 ? 929次 閱讀
Motrix是一款開源免費且界面非常清爽簡約的全能型下載軟件

阿里巴巴即將開源OpenJDK長期支持版本Alibaba Dragonwell的消息不脛而走

Dragonwell中文譯為龍井,既象征著中國的茶文化,又恰好是杭州特色(阿里巴巴總部所在地。不僅如....
的頭像 嵌入式資訊精選 發表于 03-25 15:05 ? 2211次 閱讀
阿里巴巴即將開源OpenJDK長期支持版本Alibaba Dragonwell的消息不脛而走

國務院的工作報告明確提出了要推動工業互聯網和“智能+”

從全球工業互聯網發展趨勢來講,利用數字孿生體構建工業互聯網體系,已經成為了常規做法。國內對數字孿生體....
的頭像 電子發燒友網工程師 發表于 03-21 11:40 ? 1141次 閱讀
國務院的工作報告明確提出了要推動工業互聯網和“智能+”

開源工業互聯網聯盟秘書處決定提供“理事+”服務

據開源工業互聯網聯盟理事長胡權介紹,開源工業互聯網創新中心可以聚焦到教育培訓、自動化產線、云服務平臺....
的頭像 電子發燒友網工程師 發表于 03-20 14:41 ? 789次 閱讀
開源工業互聯網聯盟秘書處決定提供“理事+”服務

請問STEVAL-CCM006V1/V2評估版資料是開源的嗎?

STEVAL-CCM006V1/V2評估版有例程沒?例程開源不?
發表于 03-05 04:52 ? 317次 閱讀
請問STEVAL-CCM006V1/V2評估版資料是開源的嗎?

請問有人做過家用便攜式心電圖機制作,求有用的資料

要求我就不多說了,芯片什么的可以任選,430可以,32也可以。大致功能是能實現心電監測并且在TFT液晶上顯示,能夠傳數據到手機...
發表于 02-26 04:01 ? 566次 閱讀
請問有人做過家用便攜式心電圖機制作,求有用的資料

開源ETL工具Kettle的常用組件和相關示例

Kettle使用示例
發表于 02-22 16:24 ? 243次 閱讀
開源ETL工具Kettle的常用組件和相關示例

可以在開源產品中加入cybootloaderutils源代碼嗎?

總結:我們可以包括在我們的源代碼fromcybootloaderutils(開源)編程PSoC的效用? 我們正在搭建一個基于PSoC的硬件平臺。...
發表于 02-21 10:20 ? 266次 閱讀
可以在開源產品中加入cybootloaderutils源代碼嗎?

荔枝糖免費申請——基于Anlogic EG4S20的開源RISC-V開發板

     Anlogic EG4S20 FPGA是中國大陸第一個工業級的并且使用最新芯片制程的開放源碼的處理器,支...
發表于 10-18 14:02 ? 2912次 閱讀
荔枝糖免費申請——基于Anlogic EG4S20的開源RISC-V開發板

9月份最熱門的機器學習開源項目TOP 5

論文和代碼 相信大家都曾為如何自己實現論文中的代碼而苦惱過,在互聯網上搜索相關的代碼可以說是非常的令人煎熬。在這個 rep...
發表于 10-10 13:39 ? 526次 閱讀
9月份最熱門的機器學習開源項目TOP 5
彩票开奖查询2019