文献

J-GLOBAL ID：201802239130461900   整理番号：18A2126208

少数クラス生成技術に基づいた深さ自動睡眠病期分類モデル【JST・京大機械翻訳】

Deep automatic sleep staging model using synthetic minority technique

著者 (3件)： Jin Huanhuan (浙江工業大学計算机科学与技術学院,杭州,310023) ,  Yin Haibo (哈爾浜工業大学航天学院,哈爾浜,150001) ,  He Lingna (浙江工業大学計算机科学与技術学院,杭州,310023)
資料名： Jisuanji Yingyong  (Jisuanji Yingyong)
巻： 38  号： 9  ページ： 2483-2488,2506  発行年： 2018年 
JST資料番号： C2535A  ISSN： 1001-9081  CODEN： JYIIDU  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 現段階の睡眠脳波データの全てが不均衡な小データセットであり、深度学習モデルの直接移動応用が獲得した分期効果の悪い問題に対して、それぞれデータセットの再構成とモデルの訓練最適化の2つの方面から着手した。少量の不均衡な原始睡眠脳波データセットの深さ自動睡眠分期モデルを提出した。最初に,修正生成少数クラスオーバーサンプリング技術(MSMOTE)を,決定ドメインの低減の観点から改良し,そして,それを,データ集約の少数クラスの生成に用い,そして,モデルを,再構築したデータセットによって,前処理した。15の交差検証の結果,全体の精度とマクロF1値は,それぞれ86.73%と81.70%であった。改良MSMOTE再構成データセットを用いて,モデルを予備活性化し,最小クラスのF1値を45.16%から53.64%に増やした。実験により、モデルが少量の原始睡眠脳波データの端から端までの学習を実現でき、全体の分類効果が近年の高水準モデルより優れており、リモートサーバーを装備した分体式携帯睡眠監視装置に適していることが明らかになった。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 学習モデル ,  監視装置 ,  最適化 ,  前処理 ,  *再構成
準シソーラス用語： データ集約 ,  不均衡 ,  分類モデル , 【Automatic Indexing@JST】

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (3件)： クラス ,  睡眠病 ,  分類モデル