抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本研究では,呼吸音を畳込みニューラルネットワーク(CNN)を用いて正常および病理学的音として分類し,分類性能に及ぼすCNNの深さ(層数)の影響を調べた。種々のソースから得られた呼吸音記録は,共通サンプリング周波数にサンプリングされ,すべてのデータが同じデータ空間にあることを保証するために正規化される。訓練および試験データを,正常および病理学的音の集合からランダムに選択した。CNNのアーキテクチャは,3つの異なる実験のために1,2,および3畳込み層を有し,各モデルはコンボリューション層の後に1つの完全に接続された層を持っている。分類は,アーキテクチャの最終段階であるロジスティック回帰で完了する。実験結果を評価すると,呼吸音の分類のための畳込みニューラルネットワークが活発な研究領域であることが理解されている。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】