嵌入改进SENet的卷积神经网络连续血压预测

提出了基于改进SENet卷积神经网络和自学习参数滤波器的连续血压预测方法.实验结果表明,改进SENet可以有效增加简单卷积神经网络对时序数据的预测能力,在卷积层数为二层、三层和四层时比简单卷积神经网络预测精度提升了34.8％、23.5％和36.0％,在此基础上利用自学习参数滤波器消除血压预测波形中的毛刺,最终得到平滑的连续血压预测结果.