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。
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】