• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>International Journal of Swarm Intelligence and Evolutionary Computation >Training of Multilayer Perceptrons with Improved Particle Swarm Optimization for the Heart Diseases Prediction
【24h】

Training of Multilayer Perceptrons with Improved Particle Swarm Optimization for the Heart Diseases Prediction

机译：用改进的粒子群算法训练多层感知器以预测心脏病

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The study of Heart rate variability is recently gained momentum for an estimation of heart health. This paper suggests a new approach for enhancement of the prediction accuracy of Multi-Layer Perceptrons (MLP) neural network using improved Particle Swarm Optimization (IPSO) technique. The IPSO computes the weights and biases of MLP for the more accurate prediction of the cardiac arrhythmia classes. This study for heart condition prediction involves selection of Three types of heart signals including Left Bundle Branch Block (LBBB), Normal Sinus Rhythm (NSR), Right Bundle Branch Block (RBBB) from MIT-BIH arrhythmia database, formation of heart rate time series, extraction of features from RR interval time series, implementation of training algorithm and prediction of arrhythmia classes. Several experiments on the proposed training method are carried out to superior the convergence ability of MLP. The experimental results gives comparably better evaluation over gradient based Back-Propagation (BP) learning algorithm.
机译：心率变异性的研究近来获得了用于估计心脏健康的动力。本文提出了一种使用改进的粒子群优化（IPSO）技术提高多层感知器（MLP）神经网络的预测准确性的新方法。 IPSO计算MLP的权重和偏差，以更准确地预测心律不齐的类别。这项针对心脏状况预测的研究涉及从MIT-BIH心律失常数据库中选择三种类型的心脏信号，包括左束支传导阻滞（LBBB），正常窦性心律（NSR），右束支传导阻滞（RBBB），心率时间序列的形成，从RR间隔时间序列中提取特征，训练算法的实现和心律失常类别的预测。为了提高MLP的收敛能力，对提出的训练方法进行了一些实验。实验结果对基于梯度的反向传播（BP）学习算法给出了更好的评估。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号