بهینه سازی ابرپارامترهای مدل های ترکیبی یادگیری عمیق با رویکرد تشخیص آپنه خواب با استفاده از الگوریتم های هوش جمعی
- سال انتشار: 1403
- محل انتشار: مجله پژوهش های نظری و کاربردی هوش ماشینی، دوره: 2، شماره: 2
- کد COI اختصاصی: JR_ABMIR-2-2_003
- زبان مقاله: فارسی
- تعداد مشاهده: 31
نویسندگان
استادیار دانشکده فنی و مهندسی، گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه قم ، قم، ایران
دانشجوی کارشناسی ارشد دانشکده فنی و مهندسی، گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه قم ، قم، ایران
چکیده
این مقاله به بررسی کارایی طبقه بندهای ترکیبی CNN-DRNN در شناسایی آپنه خواب با استفاده از سیگنال الکتروکاردیوگرام قلب (ECG) پرداخته است. در این مطالعه، مدل های مختلف شبکه های عصبی کانولوشنی ازجمله AlexNet، VGG۱۶، VGG۱۹ و ZFNet در ترکیب با مدل های شبکه عصبی بازگشتی عمیق شامل LSTM، GRU و BiLSTM مورد ارزیابی قرارگرفته است. این مدل ها با و بدون استفاده از بهینه سازهای هوش جمعی گورکن عسل و گرگ خاکستری برای تعیین مقادیر بهینه ابرپارامترها مقایسه شده اند. نتایج نشان می دهد که مدل ترکیبی AlexNet-GRU پس از اعمال هر دو بهینه ساز، بهترین عملکرد را با دقت ۹۵٪، نرخ تشخیص ۶۱/۹۷٪ و F-Score ۳۷/۹۳٪ ارائه کرده است. در این پژوهش، چالش بهینه سازی ابرپارامترها در مدل های یادگیری عمیق با استفاده از دو بهینه ساز گورکن عسل و گرگ خاکستری بررسی شده است. این بهینه سازها با الهام از رفتارهای طبیعت، تعامل غیرمستقیم میان عامل ها و توزیع هوشمند به حل این چالش کمک می کنند. البته، بهینه ساز گورکن عسل در مقایسه با گرگ خاکستری در انتخاب مقادیر بهینه ابرپارامترها عملکرد بهتری از خود نشان داده است.کلیدواژه ها
آپنه خواب, بهینه ساز گورکن عسل, بهینه ساز گرگ خاکستری, شبکه عصبی پیچشی, شبکه عصبی بازگشتی عمیقاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.