文献

J-GLOBAL ID：202202221693971975   整理番号：22A0497086

時系列分類のためのハイブリッド機械学習モデル【JST・京大機械翻訳】

A hybrid machine learning model for classifying time series

著者 (2件)： Elen Abdullah (Department of Software Engineering, Faculty of Engineering and Naturel Sciences, Bandirma Onyedi Eylul University, Bandirma, Balikesir, Turkey) ,  Avuclu Emre (Department of Computer Technology, Aksaray University, Aksaray, Turkey)
資料名： Neural Computing & Applications  (Neural Computing & Applications)
巻： 34  号： 2  ページ： 1219-1237  発行年： 2022年 
JST資料番号： W0703A  ISSN： 0941-0643  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： 時系列は,等しい時間間隔および/または連続した順序における数値データポイントのシーケンスであった。時系列は,システムの挙動を理解するために,多くの分野で使用され,予測を行い,問題に対する解を創り,脳波(EEG)と心電図(ECG)は,この分野における疾患と研究の診断で頻繁に使用される。EEGシグナルは脳の神経活動を調べるが,ECGは心筋と神経伝導系の仕事を調べる。これらの徴候は,脳と心機能の機能に関する大量の情報を含む。この情報を利用するために,信号処理の分野における専門家はこれらの信号を評価する必要がある。分類問題におけるEEGとECG信号の成功した適用方法のため,人工知能応用の様々な分野は,専門家によって頻繁に使用される。本研究では,EEGとECG信号を分類する新しいハイブリッドモデルを開発した。5つの異なるクラスのこれらの信号を,10の統計パラメータ(8正規化,2つの実信号)を有する機械学習アルゴリズムの訓練における特徴ベクトルとして使用した。これらのアルゴリズムを設計して最良の性能を与えた。提案したハイブリッドモデルにおいて,4つの段階から成る機械学習モデルを使用した。実験的研究において,提案したハイブリッド法は通常の分類プロセスよりも良い結果を与えることが観察された。得られた結果を,実験研究セクションで詳細に示した。Copyright The Author(s), under exclusive licence to Springer-Verlag London Ltd., part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *学習モデル ,  脳波 ,  心電図 ,  信号処理 ,  心筋 ,  人工知能 ,  正規化 ,  *機械学習 ,  学習アルゴリズム ,  神経伝導
準シソーラス用語： 特徴ベクトル ,  神経活動 ,  ハイブリッドモデル ,  時間間隔 , 【Automatic Indexing@JST】

著者キーワード (5件)： 時系列 ,  EEG ,  ECG ,  分類 ,  機械学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 時系列 ,  分類 ,  機械学習 ,  モデル