Questo libro spiega come una rete avversaria generativa profonda costruita su un ampio set di dati possa rilevare le aritmie in modo pi accurato rispetto ai medici. Inoltre, l'estrazione delle caratteristiche stata tradizionalmente considerata una componente essenziale della classificazione delle aritmie da elettrocardiogramma. Lo scopo di questa ricerca esaminare la classificazione delle aritmie da ECG utilizzando una rete generativa avversaria profonda e densa. L'architettura GAN illustrata in questo libro pu essere insegnata a produrre segnali ECG paragonabili a quelli del mondo reale. I risultati indicano che l'utilizzo di una strategia basata sulla sequenza per tutti i tipi di battito ECG migliora sostanzialmente l'area sotto la curva sul nostro set di test. L'architettura tradizionale non affronta naturalmente questa struttura e quindi soffre di una diminuzione delle prestazioni quando tale struttura informativa. Questo libro confronta la tecnica proposta con l'analisi dei componenti di principio kernel con regressione vettoriale di supporto incrementale, la trasformata wavelet discreta con regressione vettoriale di supporto incrementale e la rete neurale rada generale. Dai risultati ottenuti, si conclude che la tecnica GAN proposta superiore a questi tre metodi con un'accuratezza complessiva del 97,44%.
ThriftBooks sells millions of used books at the lowest everyday prices. We personally assess every book's quality and offer rare, out-of-print treasures. We deliver the joy of reading in recyclable packaging with free standard shipping on US orders over $15. ThriftBooks.com. Read more. Spend less.