基于网络重构的改进GhostNet一维信号辨识研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：触觉传感器采集的一维触觉数据能够用于识别并区分物体的特征，进而实现对物体类别的分类。文章以轻量级卷积神经网络GhostNet为基础框架，提出了一种改进的复合损失函数，以提升模型的分类性能。为进一步适应一维触觉数据的特性，研究对GhostNet模型进行了结构上的改进，使其能够高效处理一维数据。（剩余7041字）

试读结束

目录
monitor