文献

J-GLOBAL ID：201902281976265555   整理番号：19A1355865

心血管疾患向け適応モジュラーニューラルネットワーク予測モデル【JST・京大機械翻訳】

Adaptive Modularized Neural Network Prediction Model for Cardiovascular Disease

著者 (4件)： Wang Zhenfei (鄭州大学 信息工程学院,鄭州,450001) ,  Chen Jinlei (鄭州大学 信息工程学院,鄭州,450001) ,  Zheng Zhiyun (鄭州大学 信息工程学院,鄭州,450001) ,  Liu Bing (鄭州大学 信息工程学院,鄭州,450001)
資料名： Xiaoxing Weixing Jisuanji Xitong  (Xiaoxing Weixing Jisuanji Xitong)
巻： 40  号： 1  ページ： 232-235  発行年： 2019年 
JST資料番号： C2136A  ISSN： 1000-1220  CODEN： XWJXEH  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： コンピュータ科学技術の発展に伴い、コンピュータ技術の応用は医療方面で疾病予測を行うことはすでに研究の焦点となっている。単一完全相互接続フィードフォワードニューラルネットワークは,心血管疾患予測の多次元データに対処しにくく,そして,パラメータおよび構造設計は,人工実験決定および一般化収束の能力差などの問題によって,適応可能なモジュラーニューラルネットワーク構造モデル(AMNN)を,提案した。まず第一に,訓練データセットのクラスタ化中心を確率密度ピーククラスタリングアルゴリズムによって決定して,各々のモジュールのトレーニングサンプル集合を決定して,次に各々のモジュールはトレーニングBPニューラルネットワークアルゴリズムを採用して,このアルゴリズムは分配したトレーニングサンプルデータによってモジュール構造を適応的に構築することができた。実験結果は,このモデルが標準のランダムフォレストアルゴリズムおよび従来の単一完全相互接続フィードフォワード神経予測より,高い精度と速い収束速度を持つことを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 相互接続 ,  *予測 ,  *予測モデル ,  フィードフォワード ,  アルゴリズム ,  モジュール構造 ,  計算機科学 ,  クラスタ化 ,  *モデル ,  確率密度
準シソーラス用語： 収束速度 ,  ランダムフォレスト ,  訓練データ ,  フィードフォワードニューラルネットワーク ,  *モジュラーニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  システム設計・解析  (IA02030D)

タイトルに関連する用語 (4件)： 心血管疾患 ,  適応 ,  モジュラーニューラルネットワーク ,  予測モデル