استفاده ازالگوریتم آموزشی گرانشی GSA برای طبقه بندی بیماریهای قلبی به کمک شبکه های عصبی

تشخیص دیرهنگام نارساییهای قلبی میتواند به خطرات جدی وگاهی مرگ افرادمنجر شود بررسی دقیق نارسایی های قلبی نیازمند تهیه نمونه های متعددوصرف زمان زیادی توسط فردمتخصص می باشد که این خود احتمال خطا را افزایش میدهد باتوجه به اهمیت موضوع محققان درصدد برامدند تا روشی دقیق و کم خطایی ارایه دهند که بدون نیاز به دخالت شخص ماهرقادر به تشخیص بیماریهای قلبی باشد تاکنون سیستمهیا متعددی ارایه شده اند که علیرغم موفقیت نسبی معایب مشترکی ازقبیل کند بودن سیستم نداشتن دقت کافی استادن درتله ها یمحلی درحین اموزش شبکه و محدود بودن نمونه های مورد ازمیاش درآنها دیده میشود به همین دلیل این مقاله به ارایه روشی جدید برای دسته بندی و تشخیص اریتمی های قلبی بصورت خودکار پردااخته است مزیت این روش نسبت به سیستمهای پیشنهادی دیگرتلفیق دوشبکه عصبی ویولت وMLP برای استخراج ویژگیهای سیگنالهای قلبی و طبقه بندی داده ها می باشد مزیت دیگراین سیستم استفاده ازالگوریتم اموزشی گرانشی GSA برای اموزش شبکه MLP است این الگوریتم به تازگی ارایه شده و تاحدود بسیاری قادر به حل مشکلات الگوریتمهای اموزشی قدیمی تر میب اشد نتایج حاصل ازشبیه سازی نیز نشان میدهد استفاده ازاین الگوریتم اموزشی کارایی سیستم را تاحدود99درصد بهبود بخشیده است

کلیدواژه های استفاده ازالگوریتم آموزشی گرانشی GSA برای طبقه بندی بیماریهای قلبی به کمک شبکه های عصبی:

آریتمی قلبی ، شبکه عصبی ویولت ، شبکه عصبی MLP ، الگوریتم آموزشی گرانشی GSA