Andere Kunden interessierten sich auch für
![Détection de l'arythmie à l'aide de la méthode des réseaux adversoriels génératifs]( "Détection de l'arythmie à l'aide de la méthode des réseaux adversoriels génératifs")
Détection de l'arythmie à l'aide de la méthode des réseaux adversoriels génératifs51,99 €![Rilevamento delle aritmie con il metodo delle reti avversarie generative]( "Rilevamento delle aritmie con il metodo delle reti avversarie generative")
Rilevamento delle aritmie con il metodo delle reti avversarie generative51,99 €![Arrhythmieerkennung mithilfe der Generative Adversarial Network-Methode]( "Arrhythmieerkennung mithilfe der Generative Adversarial Network-Methode")
Arrhythmieerkennung mithilfe der Generative Adversarial Network-Methode79,90 €![Obnaruzhenie aritmii s pomosch'ü metoda generatiwnyh adwersarnyh setej]( "Obnaruzhenie aritmii s pomosch'ü metoda generatiwnyh adwersarnyh setej")
Obnaruzhenie aritmii s pomosch'ü metoda generatiwnyh adwersarnyh setej51,99 €![Arrhythmia Detection by using Generative Adversarial Network Method]( "Arrhythmia Detection by using Generative Adversarial Network Method")
Arrhythmia Detection by using Generative Adversarial Network Method51,99 €![Propriedades do betão utilizando poeiras de triturador como agregado fino]( "Propriedades do betão utilizando poeiras de triturador como agregado fino")
Propriedades do betão utilizando poeiras de triturador como agregado fino23,99 €![Demonstração das fibras de colagénio utilizando a coloração de Geimsa]( "Demonstração das fibras de colagénio utilizando a coloração de Geimsa")
Demonstração das fibras de colagénio utilizando a coloração de Geimsa23,99 €
Este livro explica como uma rede adversarial generativa profunda construída sobre um grande conjunto de dados pode detetar arritmias com mais precisão do que os médicos. Além disso, a extração de características tem sido tradicionalmente vista como um componente essencial da classificação de arritmias por eletrocardiograma. O objetivo desta investigação é examinar a classificação de arritmias por ECG utilizando uma rede adversária generativa densa e profunda. A arquitetura GAN apresentada neste livro pode ser ensinada a produzir sinais ECG comparáveis aos sinais ECG do mundo real. Os resultados indicam que a utilização de uma estratégia baseada em sequência para todos os tipos de batimentos de ECG melhora substancialmente a área sob a curva no nosso conjunto de testes. A arquitetura tradicional não aborda naturalmente esta estrutura e, por conseguinte, sofre de uma diminuição do desempenho quando essa estrutura é informativa. Este livro compara a técnica proposta com a análise de componentes principais de kernel com regressão de vetor de suporte incremental, transformadas wavelet discretas com regressão de vetor de suporte incremental e rede neural esparsa geral. A partir dos resultados obtidos, conclui-se que a técnica GAN proposta é superior a estes três métodos, com uma exatidão global de 97,44%.