Jornal Internacional de Swarm Intelligence e Computação Evolutiva

Abstrato

Treino de perceptrons multicamadas com otimização melhorada de enxame de partículas para previsão de doenças cardíacas

Kelwade JP e Salankar SS

O estudo da variabilidade da frequência cardíaca ganhou recentemente impulso para uma estimativa da saúde cardíaca. Este artigo sugere uma nova abordagem para melhorar a precisão da previsão da rede neural Multi-Layer Perceptrons (MLP) utilizando a técnica melhorada de Particle Swarm Optimization (IPSO). O IPSO calcula os pesos e os desvios do MLP para uma previsão mais precisa das classes de arritmia cardíaca. Este estudo para a previsão de doenças cardíacas envolve a seleção de três tipos de sinais cardíacos, incluindo o bloqueio de ramo esquerdo (BRE), ritmo sinusal normal (NSR), bloqueio de ramo direito (RBBB) da base de dados de arritmia do MIT-BIH , formação de séries temporais de frequência cardíaca , extração de características de séries temporais de intervalo RR, implementação de algoritmo de treino e previsão de classes de arritmia. São realizadas várias experiências no método de treino proposto para melhorar a capacidade de convergência do MLP. Os resultados experimentais fornecem uma avaliação comparativamente melhor em relação ao algoritmo de aprendizagem Back-Propagation (BP) baseado em gradientes.