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。
Generative Adversarial Network(GAN)は,ヒトにより実際のものから識別するのが困難な合成データを生成することが知られている。本論文では,GANを用いて,現実的に見えるECG信号を生成する手法を提案した。ECG信号に対して最先端のフィルタリング品質を達成する雑音除去オートエンコーダを訓練し,評価する。生成されたデータは,実際のデータのみに訓練されたモデルと比較して,モデル性能を改善することを実証した。また,雑音除去モデルのために訓練された識別子ネットワークを再利用することによって,転送学習の効果も調べた。【JST・京大機械翻訳】