睡眠段階分類のための深層学習:修正整流線形ユニット活性化関数と修正直交重み初期化【JST・京大機械翻訳】

Bhusal Akriti; Alsadoon Abeer; Prasad P. W. C.; Alsalami Nada; Rashid Tarik A.

プレプリント

J-GLOBAL ID：202202219949120801 整理番号：22P0301021

睡眠段階分類のための深層学習:修正整流線形ユニット活性化関数と修正直交重み初期化【JST・京大機械翻訳】

Deep Learning for Sleep Stages Classification: Modified Rectified Linear Unit Activation Function and Modified Orthogonal Weight Initialisation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年02月18日プレプリントサーバーでの情報更新日： 2022年02月18日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

背景と目的:睡眠の各段階は,ヒト健康に影響し,どのステージでも十分な睡眠を得ることは,睡眠障害,無呼吸,不眠症などの睡眠障害を生じる可能性があり,睡眠関連疾患は,畳込みニューラルネットワーク分類子を用い診断できる。しかし,この分類器は,高い複雑性と低い分類精度のために,睡眠段階分類システムにうまく実装されていない。本研究の目的は,畳込みニューラルネットワーク分類子の正確性を高め,学習時間を低減することである。方法:提案システムは,修正直交畳込みニューラルネットワークと修正Adam最適化技術を用いて,睡眠段階分類精度を改善し,シグモイド活性化関数により発生する勾配飽和問題を低減した。提案したシステムは,活性化関数としてS字状活性化関数の代わりにLeaky Rectifed Linear Unit(ReLU)を使用する。結果:強化睡眠段階分類システム(ESSC)と呼ばれる提案システムは,異なる睡眠段階で提案モデルを訓練し試験するための6つの異なるデータベースを使用した。これらのデータベースは,大学Dublinデータベース(UCD),Beth Eスラエル Deaconess Medical Center MITデータベース(MIT-BIH),睡眠欧州データフォーマ(EDF),睡眠EDF拡張,睡眠研究(MASS)のモントリオールアーカイブ,および睡眠心臓健康研究(SHHS)である。”これらのデータベース”は,大学Dublinデータベース(UCD),睡眠欧州データフォーマット(EDF),睡眠EDF拡張,睡眠研究(MASS),および睡眠心臓健康研究(SHHS)である。その結果,勾配飽和問題はもはや存在しなかった。修正Adam最適化器は雑音の低減を助け,その結果,収束時間が速くなる。結論:ESSCの収束速度は,最先端の解の状態と比較して,より良い分類精度とともに増加する。【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

動物生理一般 , 生体計測

, , , , , ,

前のページに戻る