FRINK Linked Data Fragments server

Matches in SemOpenAlex for { <https://semopenalex.org/work/W2282778018> ?p ?o ?g. }

• W2282778018 endingPage "9" @default.
• W2282778018 startingPage "1" @default.
• W2282778018 abstract "Early detection of heart diseases/abnormalities can prolong life and enhance the quality of living through appropriate treatment. Whereas clustering of electrocardiogram (ECG) signals will help to identification of heart diseases as soon as possible. In this regard, neural network and fuzzy logic have been used in many application areas while each of them has advantages and disadvantages. Thus, the present paper utilizes the proposed fuzzy neural network (FNN) with initial weights generated by genetic algorithm (GFNN) for the sake of improvement training speed, accurate and to reduce the chance of the FNN getting stuck on a local minimum.Four types of ECG beats (normal beat, congestive heart failure beat, ventricular tachyarrhythmia beat and atrial fibrillation beat) obtained from the PhysioBank database was clustered by the proposed GFNN model. Model evaluation results indicate that the proposed model can perform more accurately and less training speed than the conventional statistical methods, a single ANN and FNN. The total clustering accuracy of the GFNN model is 98.23%. تجميع إشارات تخطيط القلب مبني على ضبابي الشبكات العصبية مع الأوزان المبدئية التي تم إنشاؤها بواسطة الخوارزمية الجينيةالاكتشاف المبكر لأمراض القلب / تشوهات يمكن أن يطيل الحياة وتحسين نوعية المعيشة من خلال العلاج المناسب. في حين تجميع الكهربائي و(ECG) إشارات تساعد على التعرف على أمراض القلب في أقرب وقت ممكن. وفي هذا الصدد، تم استخدام شبكات الذكاء والمنطق الضبابي في العديد من مجالات التطبيق في حين أن كل واحد منهم له مزايا وعيوب. وهكذا، وتستخدم هذه الورقة الشبكة العصبية غامض المقترحة (FNN) مع الأوزان المبدئية التي تم إنشاؤها بواسطة الخوارزمية الجينية (GFNN) من أجل سرعة التدريب تحسين ودقيقة وتقلل من فرصة للFNN أن يعلقوا على ما لا يقل المحلي.وقد تتجمع أربعة أنواع من يدق تخطيط القلب (ضربات العادي، قصور القلب الاحتقاني فوز، البطين ضربات اضطراب النظم التسرعي والأذيني ضربات الرجفان) تم الحصول عليها من قاعدة البيانات PhysioBank من النموذج GFNN المقترحة. وتشير نتائج التقييم النموذجية أن يكون النموذج المقترح يمكن أن تؤدي بشكل أكثر دقة وأقل سرعة التدريب من الأساليب الإحصائية التقليدية، وANN واحد وFNN. مجموع دقة تجميع نموذج GFNN هي 98.23٪ 所得电力由遗传算法初始权模糊神经网络抽象早期发现心脏疾病/异常能延长生命和提高生活通过适当治疗的质量。而心电图集群（ECG）信号将尽快帮助心脏疾病的鉴别。在这方面，神经网络和模糊逻辑已经在许多应用领域中使用，而每个人都有优点和缺点。因此，本文利用所提出的模糊神经网络（FNN）与遗传算法（GFNN）生成的初始权重改进训练速度，准确起见，减少了模糊神经网络的机会陷入一个局部最小。从PhysioBank数据库中获得四种类型的心电图次（正常跳动，充血性心脏衰竭的跳动，室性心律失常节奏和房颤拍）被提出GFNN模型集群。模型的评估结果表明，该模型能更准确地执行，比传统的统计方法，单一的人工神经网络和模糊神经网络训练速度更低。该GFNN模型的总聚类准确率是98.23％。" @default.
• W2282778018 created "2016-06-24" @default.
• W2282778018 creator A5037058753 @default.
• W2282778018 creator A5053938172 @default.
• W2282778018 date "2014-01-01" @default.
• W2282778018 modified "2023-09-28" @default.
• W2282778018 title "CLUSTERING OF ECG SIGNALS BASED ON FUZZY NEURAL NETWORK WITH INITIAL WEIGHTS GENERATED BY GENETIC ALGORITHM" @default.
• W2282778018 cites W1639032689 @default.
• W2282778018 cites W1897559302 @default.
• W2282778018 cites W1981356892 @default.
• W2282778018 cites W2014270394 @default.
• W2282778018 cites W2018556356 @default.
• W2282778018 cites W2023556043 @default.
• W2282778018 cites W2028466423 @default.
• W2282778018 cites W2071415062 @default.
• W2282778018 cites W2072661333 @default.
• W2282778018 cites W2074187626 @default.
• W2282778018 cites W2092595282 @default.
• W2282778018 cites W2101166342 @default.
• W2282778018 cites W2117062476 @default.
• W2282778018 cites W2123565895 @default.
• W2282778018 cites W2152150600 @default.
• W2282778018 cites W2154757511 @default.
• W2282778018 cites W2159827102 @default.
• W2282778018 cites W2162800060 @default.
• W2282778018 cites W2287528193 @default.
• W2282778018 cites W2312663011 @default.
• W2282778018 cites W2976265969 @default.
• W2282778018 cites W606210842 @default.
• W2282778018 cites W95843204 @default.
• W2282778018 cites W2187860145 @default.
• W2282778018 cites W2978961188 @default.
• W2282778018 hasPublicationYear "2014" @default.
• W2282778018 type Work @default.
• W2282778018 sameAs 2282778018 @default.
• W2282778018 citedByCount "0" @default.
• W2282778018 crossrefType "journal-article" @default.
• W2282778018 hasAuthorship W2282778018A5037058753 @default.
• W2282778018 hasAuthorship W2282778018A5053938172 @default.
• W2282778018 hasConcept C119857082 @default.
• W2282778018 hasConcept C121332964 @default.
• W2282778018 hasConcept C126322002 @default.
• W2282778018 hasConcept C153180895 @default.
• W2282778018 hasConcept C154945302 @default.
• W2282778018 hasConcept C189809214 @default.
• W2282778018 hasConcept C24890656 @default.
• W2282778018 hasConcept C2982892191 @default.
• W2282778018 hasConcept C41008148 @default.
• W2282778018 hasConcept C50644808 @default.
• W2282778018 hasConcept C58166 @default.
• W2282778018 hasConcept C71924100 @default.
• W2282778018 hasConcept C73555534 @default.
• W2282778018 hasConcept C8880873 @default.
• W2282778018 hasConceptScore W2282778018C119857082 @default.
• W2282778018 hasConceptScore W2282778018C121332964 @default.
• W2282778018 hasConceptScore W2282778018C126322002 @default.
• W2282778018 hasConceptScore W2282778018C153180895 @default.
• W2282778018 hasConceptScore W2282778018C154945302 @default.
• W2282778018 hasConceptScore W2282778018C189809214 @default.
• W2282778018 hasConceptScore W2282778018C24890656 @default.
• W2282778018 hasConceptScore W2282778018C2982892191 @default.
• W2282778018 hasConceptScore W2282778018C41008148 @default.
• W2282778018 hasConceptScore W2282778018C50644808 @default.
• W2282778018 hasConceptScore W2282778018C58166 @default.
• W2282778018 hasConceptScore W2282778018C71924100 @default.
• W2282778018 hasConceptScore W2282778018C73555534 @default.
• W2282778018 hasConceptScore W2282778018C8880873 @default.
• W2282778018 hasIssue "1" @default.
• W2282778018 hasLocation W22827780181 @default.
• W2282778018 hasOpenAccess W2282778018 @default.
• W2282778018 hasPrimaryLocation W22827780181 @default.
• W2282778018 hasRelatedWork W1965418086 @default.
• W2282778018 hasRelatedWork W1993402482 @default.
• W2282778018 hasRelatedWork W2000236650 @default.
• W2282778018 hasRelatedWork W2034365922 @default.
• W2282778018 hasRelatedWork W2037562430 @default.
• W2282778018 hasRelatedWork W2045139996 @default.
• W2282778018 hasRelatedWork W2063388653 @default.
• W2282778018 hasRelatedWork W2079890914 @default.
• W2282778018 hasRelatedWork W2091624809 @default.
• W2282778018 hasRelatedWork W2097134832 @default.
• W2282778018 hasRelatedWork W2145044818 @default.
• W2282778018 hasRelatedWork W2171408245 @default.
• W2282778018 hasRelatedWork W2372404435 @default.
• W2282778018 hasRelatedWork W2509042885 @default.
• W2282778018 hasRelatedWork W2577224509 @default.
• W2282778018 hasRelatedWork W2594015355 @default.
• W2282778018 hasRelatedWork W3144869265 @default.
• W2282778018 hasRelatedWork W2329378631 @default.
• W2282778018 hasRelatedWork W2377396763 @default.
• W2282778018 hasRelatedWork W3142530936 @default.
• W2282778018 hasVolume "8" @default.
• W2282778018 isParatext "false" @default.
• W2282778018 isRetracted "false" @default.
• W2282778018 magId "2282778018" @default.
• W2282778018 workType "article" @default.