已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Anomaly detection in ECG using recurrent networks optimized by modified metaheuristic algorithm

超参数 元启发式 计算机科学 异常检测 循环神经网络 机器学习 人工智能 人工神经网络 算法
作者
Luka Jovanovic,Nebojša Bačanin,Miodrag Živković,Milos Antonijevic,Aleksandar Petrović,Tamara Živković
标识
DOI:10.1109/telfor59449.2023.10372802
摘要

Cardiovascular disorders, a leading cause of death, demand urgent research attention. Early detection systems hold the potential to improve patient outcomes by enabling timely interventions and lifestyle adjustments. Recent advancements in artificial intelligence algorithms show promise in addressing complex challenges. This study investigates the application of Recurrent Neural Networks (RNNs) optimized with metaheuristic algorithms for anomaly detection in electrocardiogram (ECG) signals. We conducted a comparative analysis of state-of-the-art metaheuristic algorithms to determine their effectiveness in selecting optimal hyperparameters for RNN models, achieving acceptable accuracy levels. Notably, the relatively new crayfish optimization algorithm (COA) is included in the comparative analysis and has exhibited the best overall performance, demonstrating its potential for enhancing cardiovascular disorder detection.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
2秒前
marska完成签到,获得积分10
2秒前
dzll完成签到,获得积分10
4秒前
叶95完成签到 ,获得积分10
5秒前
Hello应助javeeen采纳,获得10
5秒前
哆啦A梦完成签到 ,获得积分10
8秒前
所所应助占囧采纳,获得10
8秒前
味子橘完成签到 ,获得积分10
9秒前
萧萧完成签到,获得积分10
9秒前
11秒前
tuanheqi应助科研通管家采纳,获得50
15秒前
传奇3应助科研通管家采纳,获得10
15秒前
哈哈悦完成签到,获得积分10
15秒前
英姑应助Billy采纳,获得10
15秒前
15秒前
SciGPT应助行者采纳,获得10
17秒前
他也蓝完成签到,获得积分10
19秒前
无语的稀发布了新的文献求助10
19秒前
21秒前
21秒前
小白菜完成签到,获得积分10
24秒前
25秒前
占囧完成签到,获得积分10
25秒前
25秒前
Carmen发布了新的文献求助20
26秒前
朱珠贝完成签到,获得积分10
27秒前
大意的晓亦完成签到 ,获得积分10
30秒前
Persist6578完成签到 ,获得积分10
36秒前
fengyuke发布了新的文献求助10
36秒前
谜语完成签到 ,获得积分10
41秒前
Carmen完成签到,获得积分10
42秒前
李昕123发布了新的文献求助10
43秒前
Persist完成签到 ,获得积分10
44秒前
46秒前
52秒前
52秒前
53秒前
深情安青应助syalonyui采纳,获得10
54秒前
爱学习的YY完成签到 ,获得积分10
54秒前
KK发布了新的文献求助10
57秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 890
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3256743
求助须知:如何正确求助?哪些是违规求助? 2898909
关于积分的说明 8302988
捐赠科研通 2568075
什么是DOI,文献DOI怎么找? 1394872
科研通“疑难数据库(出版商)”最低求助积分说明 652924
邀请新用户注册赠送积分活动 630631