ترجمه فارسی مقاله افزایش اعتماد به نفس طبقه بندی داده های الکتروکاردیوگرافی: یک رویکرد فرآیند گوسی قوی (MuyGPs)

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Enhancing Electrocardiography Data Classification Confidence: A Robust Gaussian Process Approach (MuyGPs)
عنوان مقاله به فارسی افزایش اعتماد به نفس طبقه بندی داده های الکتروکاردیوگرافی: یک رویکرد فرآیند گوسی قوی (MuyGPs)
نویسندگان Ukamaka V. Nnyaba, Hewan M. Shemtaga, David W. Collins, Amanda L. Muyskens, Benjamin W. Priest, Nedret Billor
فرمت مقاله انگلیسی PDF
تعداد صفحات 14
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Applications,برنامه های کاربردی ,
توضیحات Submitted 6 September, 2024; originally announced September 2024. , Comments: 14 pages
توضیحات به فارسی ارسال شده در 6 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد ، نظرات: 14 صفحه
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Analyzing electrocardiography (ECG) data is essential for diagnosing and monitoring various heart diseases. The clinical adoption of automated methods requires accurate confidence measurements, which are largely absent from existing classification methods. In this paper, we present a robust Gaussian Process classification hyperparameter training model (MuyGPs) for discerning normal heartbeat signals from the signals affected by different arrhythmias and myocardial infarction. We compare the performance of MuyGPs with traditional Gaussian process classifier as well as conventional machine learning models, such as, Random Forest, Extra Trees, k-Nearest Neighbors and Convolutional Neural Network. Comparing these models reveals MuyGPs as the most performant model for making confident predictions on individual patient ECGs. Furthermore, we explore the posterior distribution obtained from the Gaussian process to interpret the prediction and quantify uncertainty. In addition, we provide a guideline on obtaining the prediction confidence of the machine learning models and quantitatively compare the uncertainty measures of these models. Particularly, we identify a class of less-accurate (ambiguous) signals for further diagnosis by an expert.

چکیده به فارسی (ترجمه ماشینی)

تجزیه و تحلیل داده های الکتروکاردیوگرافی (ECG) برای تشخیص و نظارت بر بیماری های مختلف قلبی ضروری است.اتخاذ بالینی روشهای خودکار نیاز به اندازه گیری اطمینان دقیق دارد ، که تا حد زیادی از روشهای طبقه بندی موجود وجود ندارد.در این مقاله ، ما یک مدل آموزش قوی طبقه بندی فرآیند گاوسی (MUYGPS) برای تشخیص سیگنال های ضربان قلب طبیعی از سیگنال های آسیب دیده از آریتمی های مختلف و انفارکتوس میوکارد ارائه می دهیم.ما عملکرد MUYGP ها را با طبقه بندی فرآیند سنتی گاوسی و همچنین مدل های یادگیری ماشین معمولی مانند جنگل تصادفی ، درختان اضافی ، همسایگان K و شبکه عصبی حلقوی مقایسه می کنیم.مقایسه این مدل ها MUYGP ها را به عنوان عملکردی ترین مدل برای پیش بینی های مطمئن در مورد ECG های بیمار فردی نشان می دهد.علاوه بر این ، ما توزیع خلفی به دست آمده از فرآیند گاوسی را برای تفسیر پیش بینی و کمیت عدم اطمینان کشف می کنیم.علاوه بر این ، ما راهنمایی در مورد به دست آوردن اعتماد به نفس پیش بینی مدل های یادگیری ماشین ارائه می دهیم و به طور کمی اقدامات عدم اطمینان این مدل ها را مقایسه می کنیم.به ویژه ، ما یک کلاس از سیگنال های کم ارزیابی (مبهم) را برای تشخیص بیشتر توسط یک متخصص شناسایی می کنیم.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.