Международный журнал роевого интеллекта и эволюционных вычислений

Абстрактный

Обучение многослойных персептронов с улучшенной оптимизацией роя частиц для прогнозирования заболеваний сердца

Келваде JP и Саланкар SS

Изучение вариабельности сердечного ритма в последнее время набирает обороты для оценки здоровья сердца. В этой статье предлагается новый подход к повышению точности прогнозирования нейронной сети многослойных персептронов (MLP) с использованием улучшенной техники оптимизации роя частиц (IPSO). IPSO вычисляет веса и смещения MLP для более точного прогнозирования классов сердечной аритмии. Это исследование прогнозирования состояния сердца включает выбор трех типов сердечных сигналов, включая блокаду левой ножки пучка Гиса (LBBB), нормальный синусовый ритм (NSR), блокаду правой ножки пучка Гиса (RBBB) из базы данных аритмии MIT-BIH, формирование временных рядов частоты сердечных сокращений, извлечение признаков из временных рядов интервалов RR, реализацию алгоритма обучения и прогнозирование классов аритмии. Проведено несколько экспериментов по предлагаемому методу обучения для улучшения способности сходимости MLP. Экспериментальные результаты дают сравнительно лучшую оценку по сравнению с алгоритмом обучения обратного распространения (BP) на основе градиента.