跳到主要內容

臺灣博碩士論文加值系統

(44.223.39.67) 您好!臺灣時間:2024/05/26 13:49
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:童淑芬
研究生(外文):TONG,SHU-FEN
論文名稱:類神經網路在心電圖分類之應用
論文名稱(外文):Neural network for ECG classification
指導教授:洪炳南
指導教授(外文):HONG,BING-NAN
學位類別:碩士
校院名稱:中原大學
系所名稱:醫學工程研究所
學門:工程學門
學類:綜合工程學類
論文種類:學術論文
論文出版年:1990
畢業學年度:78
語文別:中文
論文頁數:77
中文關鍵詞:類神經網路心電圖分類心電圖學習常數動量常數資料庫處理單元參數
外文關鍵詞:BACK-PROPAGATIN
相關次數:
  • 被引用被引用:15
  • 點閱點閱:326
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:1
最近類神經網路已廣泛的應用於圓型識別上,尤其在語音辨認,手寫字辨認和影像處
理上; 本研究是藉由類神經網路的大量平行,容錯力佳,具有學習能力和雌訊容忍力
的特性、應用於心電圖分類上的探討。
習電圖信采由MIT/BIH 資料庫,共取160 個ECG 周期,每個周期以R 點為中心,前後
各取128 點,經帶通濾波及傳利葉功率頻譜處理後,再將160 個ECG 周期分成兩組,
一組供學習及回憶用,另一組則只供回憶用。
本研究采用三層的BackPropagation 模式,分別探討學習資料安排,類神經網路架構
,學習次數,學習資料集大小,系統誤差和學習法則中參數和改變( 例如學習參數與
動量參數和改變) ,對心電圖分類結果的影響。由本研究得知學習資料安排采用每種
心電圖微狀循序出現;類神經網路架構則采一層隱藏層,內含32個處理單元,且輸入
層有64個處理單元,輸 出層有6 個處理單元;學習常數等於0.9 ,動量常數等於0.1
,約經700 次學習後,進行分類,可進到百分之九十二以上的分類正確率。
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊