基于網(wǎng)絡(luò)重構(gòu)的改進(jìn)GhostNet一維信號(hào)辨識(shí)研究

打開文本圖片集

摘 要：觸覺傳感器采集的一維觸覺數(shù)據(jù)能夠用于識(shí)別并區(qū)分物體的特征，進(jìn)而實(shí)現(xiàn)對(duì)物體類別的分類。文章以輕量級(jí)卷積神經(jīng)網(wǎng)絡(luò)GhostNet為基礎(chǔ)框架，提出了一種改進(jìn)的復(fù)合損失函數(shù)，以提升模型的分類性能。為進(jìn)一步適應(yīng)一維觸覺數(shù)據(jù)的特性，研究對(duì)GhostNet模型進(jìn)行了結(jié)構(gòu)上的改進(jìn)，使其能夠高效處理一維數(shù)據(jù)。（剩余7041字）