群知能と進化的計算の国際ジャーナル

概要

心臓病予測のための改良型粒子群最適化による多層パーセプトロンのトレーニング

ケルウェイド JP とサランカー SS

心拍変動の研究は、心臓の健康状態を推定するために最近勢いを増しています。この論文では、改良された粒子群最適化 (IPSO) 技術を使用して多層パーセプトロン (MLP) ニューラル ネットワークの予測精度を向上させる新しいアプローチを提案します。IPSO は、心臓不整脈クラスのより正確な予測のために MLP の重みとバイアスを計算します。心臓の状態を予測するためのこの研究では、MIT-BIH 不整脈データベースから左脚ブロック (LBBB)、正常洞調律 (NSR)、右脚ブロック (RBBB) の 3 種類の心臓信号を選択し、心拍数の時系列を形成し、RR 間隔の時系列から特徴を抽出し、トレーニング アルゴリズムを実装して、不整脈クラスを予測します。提案されたトレーニング方法のいくつかの実験は、MLP の収束能力を向上させるために実行されています。実験結果は、勾配ベースのバックプロパゲーション (BP) 学習アルゴリズムと比較して優れた評価を示しています。