文献

J-GLOBAL ID：202002234486789126   整理番号：20A0716625

ハイブリッド型Ruzo-Tompa Memeticベースの深部訓練ネオcogニトロン神経回路網を用いた心臓病分類【JST・京大機械翻訳】

Heart disease classification using hybridized Ruzzo-Tompa memetic based deep trained Neocognitron neural network

著者 (2件)： Vijayashree J. (School of Computer Science and Engineering, Vellore Institute of Technology, Vellore, India) ,  Parveen Sultana H. (School of Computer Science and Engineering, Vellore Institute of Technology, Vellore, India)
資料名： Health and Technology  (Health and Technology)
巻： 10  号： 1  ページ： 207-216  発行年： 2020年 
JST資料番号： W4408A  ISSN： 2190-7188  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 調査によると,心臓発作,胸痛および脳卒中の発生につながる心血管疾患により,100万人の死亡が起こる。調査に基づき,患者の健康における将来のリスクを排除するために,初期段階において同定される必要がある心臓問題によって影響を受ける人々のほとんどが明らかになった。心疾患検出プロセスの重要性は,機械学習と最適化技術を用いて心臓問題を同定するための早期検出システムを作成するのに役立つが,開発した予測システムは,最小時間で正確な方法で心臓問題を予測するのが困難である。したがって,ハイブリッド化されたRuzzo-Tompa memeticに基づく深く訓練されたNeocognitron神経回路網は,心臓病関連の特徴を分析して,初期の心臓病を予測するために導入される。最初に,心疾患データをUCIリポジトリから収集し,データの次元をハイブリッド化されたRuzzo-Tompa法により最小化した。特徴の数を減少させた後に,心疾患の特徴を予測するために使用される隠れ層の最大数を用いて特徴を分析する深い学習アプローチによって訓練される。システムの更なる効率をMATLABベースのシミュレーション結果を用いて評価した。Copyright IUPESM and Springer-Verlag GmbH Germany, part of Springer Nature 2019 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *心臓 ,  最適化手法 ,  機械学習 ,  リポジトリ ,  胸痛 ,  *神経回路網 ,  *心臓病 ,  脳卒中 ,  心血管疾患 ,  シミュレーション ,  学習
準シソーラス用語： MATLAB ,  隠れ層 ,  心臓麻痺 , 【Automatic Indexing@JST】

著者キーワード (3件)： 心疾患 ,  ハイブリッド化したRuzo-Tompa Memeticに基づく深部訓練ネオcogニトロン神経回路網 ,  心疾患データセット-UCIリポジトリ

分類 (2件)： 循環系の診断  (GJ02000V) ,  循環系の臨床医学一般  (GJ01030V)

タイトルに関連する用語 (8件)： ハイブリッド型 ,  深部 ,  訓練 ,  COG ,  ニトロン ,  神経回路網 ,  心臓病 ,  分類