8 Mflop/s 是一种执行速率,每秒执行数百万次浮点运算。每当使用此术语时,它都是指 64 位浮点运算,运算将是加法或乘法。Gflop/s 指每秒数十亿次浮点运算,而 Tflop/s 指每秒数万亿次浮点运算。
摘要 —本文提出了 LightSleepNet——一种基于轻量级 1-d 卷积神经网络 (CNN) 的个性化实时睡眠分期架构,可在硬件资源有限的各种移动平台上实现。所提出的架构仅需要输入 30 秒单通道 EEG 信号即可进行分类。使用由组 1-d 卷积组成的两个残差块代替传统的卷积层来消除 CNN 中的冗余。在每个卷积层中插入通道混洗以提高准确性。为了避免过度拟合训练集,使用全局平均池化 (GAP) 层替换全连接层,这进一步显著减少了模型参数的总数。提出了一种结合自适应批量归一化 (AdaBN) 和梯度重新加权的个性化算法,用于无监督域自适应。易于转移到新受试者的示例具有更高的优先级,并且该算法可以针对新受试者进行个性化而无需重新训练。实验结果表明,仅需 4576 百万次每秒浮点运算 (MFLOP) 计算和 43.08 K 个参数,就能达到 83.8% 的最佳总体准确率。