文献

J-GLOBAL ID：202202260380152874   整理番号：22A0925203

ECG信号を用いた不整脈分類における特徴最適化のための深層ニューラルネットワークに適用した線形適応sine-余弦アルゴリズム【JST・京大機械翻訳】

A Linearly Adaptive Sine-Cosine Algorithm with Application in Deep Neural Network for Feature Optimization in Arrhythmia Classification using ECG Signals

著者 (3件)： Sharma Pooja (Department of Information Technology, Seth Jai Parkash Mukand Lal Institute of Engineering and Technology (JMIT), Radaur, Haryana, India) ,  Sharma Pooja (Uttarakhand Technical University, Dehradun, Uttarakhand, India) ,  Dinkar Shail Kumar (Department of Computer Science and Applications, GBPIET, Pauri Garhwal, Uttarakhand, India)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 242  ページ： Null  発行年： 2022年 
JST資料番号： T0426A  ISSN： 0950-7051  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本研究では,Sine-Cosinアルゴリズム(SCA)と呼ばれる新しく開発されたメタヒューリスティックの線形適応Sine-Cosinアルゴリズム(LA-SCA)を提案した。開発した変種は,世代の数に基づく線形適応演算子を利用し,次に,最良解の周りで適用したOpposition Learning(OBL)モデルを利用した。適用した機構は,SCAの遅い収束問題を克服し,SCAのマクロとミクロ探索能力の間の適切なバランスを達成できるように,LA-SCAを助ける。提案したLA-SCAの性能を,多様な特性と多様な複雑性を持つ23の最先端のベンチマーク問題のセットを用いて評価した。LA-SCAは,収束曲線と多様性解析を用いてWilcoxon順位和検定と性能解析を適用することによって統計的に解析した。第2部では,提案したLA-SCAを用いて,不整脈疾患の効率的な分類のためのECG信号の特徴抽出を改善する知的深層ニューラルネットワーク(DNN)機構を提供した。前処理ステップの間,離散ウェーブレット変換(DWT)を利用して,ECGデータを分類し,次に,提案したLA-SCAを用いてQRS複合特徴の抽出を改善した。MIT-BIH不整脈ECGデータセットを用いて,不整脈疾患の16のカテゴリー間の信号の分類を行った。DNNによる最適化特徴ベクトルとLA-SCA法を含む変動に基づく分類解析を用いて,心拍数は,他の技術と比較して,99.29パーセントの精度で改善された。この達成された精度は,ECG信号を適切に分類するための提案モデルの優位性を示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. 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 ,  *最適化 ,  学習 ,  分類 ,  信号 ,  *心電図 ,  特徴抽出 ,  心拍 ,  *不整脈 ,  ベンチマーク ,  性能分析 ,  ウェーブレット変換
準シソーラス用語： 特徴ベクトル ,  離散ウェーブレット変換 ,  ヒューリスティック ,  *ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： sine-余弦アルゴリズム ,  線形適応演算子 ,  対立に基づく学習 ,  深層ニューラルネットワーク(DNN) ,  心電図(ECG)

分類 (2件)： 人工知能  (JE08000Z) ,  循環系の診断  (GJ02000V)

タイトルに関連する用語 (9件)： ECG信号 ,  不整脈 ,  分類 ,  最適化 ,  深層ニューラルネットワーク ,  線形 ,  適応 ,  SINE ,  アルゴリズム