Afficher la notice abrégée
dc.contributor.author |
Marouane, Z AAMOUCHE |
|
dc.date.accessioned |
2019-09-19T12:20:00Z |
|
dc.date.available |
2019-09-19T12:20:00Z |
|
dc.date.issued |
2019-06 |
|
dc.identifier.uri |
http://dspace.univ-guelma.dz:8080/xmlui/handle/123456789/4051 |
|
dc.description.abstract |
L‘
électrocardiogramme (ECG) est un outil de diagnostic important pour l'évaluation des
arythmies cardiaques
.
Actuelle
ment
, de nombreuses solutions d
'apprentissage automatique
peuvent être utilisées pour analyser et classer les données ECG. Cependant,
l’un des
inconvénients de ces
méthodes
réside dans la
difficulté de t
rouver les caractéristiques les plus
appropriées
permettant d’avoir des précision
s élevées
.
L'une des solutions proposées
dans
littérature
consiste à utiliser des architectures d'apprentissage approfondi dans lesquelles les
premières couches de neurones co
nvolutifs se comportent comme des extracteurs de
caractéristiques et, à la fin, des couches entièrement connectées
sont utilisés pour la décision
finale
.
Dans ce travail,
nous utilisons un classificateur basé sur ce type d’
architecture
approfondi pour
la c
lassification
des battements
ECG
. Nous présentons les résultats de
classification obtenus sur la base de données public «
MIT
-
BIH
Arrhythmia
» |
en_US |
dc.language.iso |
fr |
en_US |
dc.subject |
E lectrocardiogramme, ECG, I ntelligence A rtificielle, R éseaux de neurones convoluti fs , Apprentissage approfondi |
en_US |
dc.title |
Classification des battements cardiaques en utilisant les réseaux de neurones profonds |
en_US |
dc.type |
Working Paper |
en_US |
Fichier(s) constituant ce document
Ce document figure dans la(les) collection(s) suivante(s)
Afficher la notice abrégée