論文の概要: ECG beats classification via online sparse dictionary and time pyramid
matching
- arxiv url: http://arxiv.org/abs/2008.06672v1
- Date: Sat, 15 Aug 2020 08:10:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-28 20:43:26.448193
- Title: ECG beats classification via online sparse dictionary and time pyramid
matching
- Title（参考訳）: ECGがオンラインスパース辞書と時間ピラミッドマッチングで分類を破る
- Authors: Nanyu Li, Yujuan Si, Duo Deng, Chunyu Yuan
- Abstract要約: Bag-Of-Word (BOW)アルゴリズムは効率的な特徴を提供し、ECG分類システムの精度を向上する。
1) 量子化誤差が大きく, 再建性能が低かったこと, (2) 心拍の時間情報が失われること, の2つの欠点がある。
本稿では,ウェーブレットを用いてスパース辞書を構築し,量子化誤差を最小限に抑える。
アルゴリズムの複雑さを減らし、大規模心拍数操作に適応するために、オンライン辞書学習と特徴符号アルゴリズムを組み合わせる。
- 参考スコア（独自算出の注目度）: 2.035937589646518
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recently, the Bag-Of-Word (BOW) algorithm provides efficient features and
promotes the accuracy of the ECG classification system. However, BOW algorithm
has two shortcomings: (1). it has large quantization errors and poor
reconstruction performance; (2). it loses heart beat's time information, and
may provide confusing features for different kinds of heart beats. Furthermore,
ECG classification system can be used for long time monitoring and analysis of
cardiovascular patients, while a huge amount of data will be produced, so we
urgently need an efficient compression algorithm. In view of the above
problems, we use the wavelet feature to construct the sparse dictionary, which
lower the quantization error to a minimum. In order to reduce the complexity of
our algorithm and adapt to large-scale heart beats operation, we combine the
Online Dictionary Learning with Feature-sign algorithm to update the dictionary
and coefficients. Coefficients matrix is used to represent ECG beats, which
greatly reduces the memory consumption, and solve the problem of quantitative
error simultaneously. Finally, we construct the pyramid to match coefficients
of each ECG beat. Thus, we obtain the features that contain the beat time
information by time stochastic pooling. It is efficient to solve the problem of
losing time information. The experimental results show that: on the one hand,
the proposed algorithm has advantages of high reconstruction performance for
BOW, this storage method is high fidelity and low memory consumption; on the
other hand, our algorithm yields highest accuracy in ECG beats classification;
so this method is more suitable for large-scale heart beats data storage and
classification.
- Abstract（参考訳）: 近年、Bag-Of-Word(BOW)アルゴリズムは効率的な特徴を提供し、ECG分類システムの精度を高める。
しかし、BOWアルゴリズムには2つの欠点がある。
量子化エラーが大きく、再構成性能が悪い。
心臓の鼓動の時間情報を失い 様々な種類の心臓の鼓動に 紛らわしい特徴を与えるかもしれない
さらに,心血管系患者の長時間モニタリングと分析にecg分類システムを用いることができ,膨大なデータを生成することができるため,より効率的な圧縮アルゴリズムが必要となる。
上記の問題を考慮すると、ウェーブレット特徴を用いてスパース辞書を構築し、量子化誤差を最小限に抑える。
提案手法の複雑さを低減し,大規模心拍数演算に適応するために,オンライン辞書学習と特徴符号アルゴリズムを組み合わせた辞書と係数の更新を行う。
係数行列はECGビートを表現するために使用され、メモリ消費を大幅に削減し、量的誤差の問題を同時に解決する。
最後に、各ECGビートの係数に一致するようにピラミッドを構築する。
そこで我々は,時間確率プーリングによるビートタイム情報を含む特徴量を求める。
時間情報を失う問題を解くことは効率的である。
実験の結果,提案手法はbowの高再構成性能の利点があり,高忠実性とメモリ消費の低減が期待できる。一方,本手法はecgbeats分類において,高い精度が得られるため,大規模なheart beatsデータ保存と分類に適していることがわかった。
関連論文リスト
- A Mirror Descent-Based Algorithm for Corruption-Tolerant Distributed Gradient Descent [57.64826450787237]
本研究では, 分散勾配降下アルゴリズムの挙動を, 敵対的腐敗の有無で解析する方法を示す。
汚職耐性の分散最適化アルゴリズムを設計するために、(怠慢な)ミラー降下からアイデアをどう使うかを示す。
MNISTデータセットの線形回帰、サポートベクトル分類、ソフトマックス分類に基づく実験は、我々の理論的知見を裏付けるものである。
論文 参考訳（メタデータ） (2024-07-19T08:29:12Z) - Enhancing Electrocardiogram Signal Analysis Using NLP-Inspired Techniques: A Novel Approach with Embedding and Self-Attention [2.7651063843287718]
埋め込みと自己注意に基づく新しい心電図解析手法を提案し,心電図データの空間的および時間的依存性を捉える。
91%の精度でF1スコアが得られた。
論文 参考訳（メタデータ） (2024-07-15T12:20:15Z) - Artificial Cardiac Conduction System: Simulating Heart Function for Advanced Computational Problem Solving [7.939018398138461]
本研究は, 人工心臓伝導システム(ACCS)と呼ばれるバイオインスパイアされた新しいメタヒューリスティックを提案する。
ACCSアルゴリズムは人間の心臓の機能的振る舞いを模倣し、心臓筋肉に信号を生成し、収縮を開始する。
心筋層の4つのノードは、洞房、房室、His束、Purkinje繊維などの心拍数の生成と制御に関与している。
論文 参考訳（メタデータ） (2024-01-12T09:13:54Z) - An Efficient Algorithm for Clustered Multi-Task Compressive Sensing [60.70532293880842]
クラスタ化マルチタスク圧縮センシングは、複数の圧縮センシングタスクを解決する階層モデルである。
このモデルに対する既存の推論アルゴリズムは計算コストが高く、高次元ではうまくスケールしない。
本稿では,これらの共分散行列を明示的に計算する必要をなくし,モデル推論を大幅に高速化するアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-09-30T15:57:14Z) - Importance Sparsification for Sinkhorn Algorithm [19.658596636055545]
シンクホーンアルゴリズムは最適輸送 (OT) と不均衡最適輸送 (UOT) 問題の解を近似するために広く用いられている。
本研究では, エントロピー規則化OTとUOTの解を効率的に近似するために, Spar-Sink と呼ばれる新しい重要空間分割法を提案する。
論文 参考訳（メタデータ） (2023-06-11T04:03:22Z) - Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。
特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
論文 参考訳（メタデータ） (2023-02-13T19:57:17Z) - Two-stream Network for ECG Signal Classification [3.222802562733787]
本稿では,心電図に基づく心拍数型の自動分類アルゴリズムを提案する。
本稿では,2ストリームアーキテクチャを用いて,これに基づくECG認識の強化版を提案する。
MIT-BIH Arrhythmia Databaseの結果、提案アルゴリズムは99.38%の精度で実行されている。
論文 参考訳（メタデータ） (2022-10-05T08:14:51Z) - Breaking the Linear Iteration Cost Barrier for Some Well-known
Conditional Gradient Methods Using MaxIP Data-structures [49.73889315176884]
条件勾配法(CGM)は現代の機械学習で広く使われている。
ほとんどの取り組みは、全体の実行時間を短縮する手段として、イテレーションの数を減らすことに重点を置いています。
本稿では,多くの基本最適化アルゴリズムに対して,イテレーション毎のコストがパラメータ数にサブ線形である最初のアルゴリズムを示す。
論文 参考訳（メタデータ） (2021-11-30T05:40:14Z) - Towards Optimally Efficient Tree Search with Deep Learning [76.64632985696237]
本稿では,線形モデルから信号整数を推定する古典整数最小二乗問題について検討する。
問題はNPハードであり、信号処理、バイオインフォマティクス、通信、機械学習といった様々な応用でしばしば発生する。
本稿では, 深いニューラルネットワークを用いて, 単純化されたメモリバウンドA*アルゴリズムの最適推定を推定し, HATSアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-01-07T08:00:02Z) - ECG Beats Fast Classification Base on Sparse Dictionaries [11.743368530827256]
VQ法は次元減少の利点を生かしたECGの特徴抽出において良好に機能する。
実際には、k-meansまたはk-means++で最適化されたVQ符号は、大きな量子化誤差が存在する。
本稿では,VQ手法の高速化と精度向上のための新しい手法を提案する。
論文 参考訳（メタデータ） (2020-09-08T14:38:46Z) - Learning to Hash with Graph Neural Networks for Recommender Systems [103.82479899868191]
グラフ表現学習は、大規模に高品質な候補探索をサポートすることに多くの注目を集めている。
ユーザ・イテム相互作用ネットワークにおけるオブジェクトの埋め込みベクトルの学習の有効性にもかかわらず、連続的な埋め込み空間におけるユーザの好みを推測する計算コストは膨大である。
連続的かつ離散的なコードとを協調的に学習するための,単純かつ効果的な離散表現学習フレームワークを提案する。
論文 参考訳（メタデータ） (2020-03-04T06:59:56Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。