Распознавание действий медицинских работников на основе показателей акселерометров с использованием глубинной сети убеждений

Распознавание действий медицинских работников на основе показателей акселерометров с использованием глубинной сети убеждений

Исследуется и анализируется реальное множество больших по объему медико-статистических данных, используемых для распознавания действий медицинских работников на основе показателей акселерометров в определенный момент времени. В процессе распознавания применена глубинная сеть убеждений на неразмечен...

Повний опис

Збережено в:
Бібліографічні деталі
Дата:2016
Автор: Галкин, А.А.
Формат: Стаття
Мова:Russian
Опубліковано: Інститут кібернетики ім. В.М. Глушкова НАН України 2016
Назва видання:Кибернетика и системный анализ
Теми:
Кибернетика
Онлайн доступ:http://dspace.nbuv.gov.ua/handle/123456789/142054
Теги: Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Цитувати:Распознавание действий медицинских работников на основе показателей акселерометров с использованием глубинной сети убеждений / А.А. Галкин // Кибернетика и системный анализ. — 2016. — Т. 52, № 6. — С. 21-29. — Бібліогр.: 8 назв. — рос.

Репозитарії

Digital Library of Periodicals of National Academy of Sciences of Ukraine
id irk-123456789-142054
record_format dspace
spelling irk-123456789-1420542018-09-25T01:22:47Z Распознавание действий медицинских работников на основе показателей акселерометров с использованием глубинной сети убеждений Галкин, А.А. Кибернетика Исследуется и анализируется реальное множество больших по объему медико-статистических данных, используемых для распознавания действий медицинских работников на основе показателей акселерометров в определенный момент времени. В процессе распознавания применена глубинная сеть убеждений на неразмеченных данных, после чего проведено обучение с учителем методом обратного распространения ошибки. Полученные результаты показали более высокую точность распознавания по сравнению с базовыми методами. Достигнуто также значительное улучшение относительно продолжительности действий медперсонала. Досліджується та аналізується реальна множина великих за обсягом медико-статистичних даних, що використовуються для розпізнавання дій медичних працівників на основі показників акселерометрів у визначений момент часу. У процесі розпізнавання застосовано глибинну мережу переконань на нерозмічених даних, після чого проведено навчання з учителем методом зворотного поширення помилки. Отримані результати показали більш високу точність розпізнавання у порівнянні з базовими методами. Досягнуто також значне покращення відносно тривалості дій медперсоналу. The paper analyzes the real set of large-volume medical and statistical data to be used for recognition of actions of medical workers on the basis of readings of accelerometers at a particular moment of time. During the recognition, deep belief network is applied on unlabeled data, and then trained with supervised learning by backward propagation of errors. The obtained results show a higher recognition accuracy as compared with the basic methods A significant improvement is achieved as to the duration of actions of medical staff. 2016 Article Распознавание действий медицинских работников на основе показателей акселерометров с использованием глубинной сети убеждений / А.А. Галкин // Кибернетика и системный анализ. — 2016. — Т. 52, № 6. — С. 21-29. — Бібліогр.: 8 назв. — рос. 0023-1274 http://dspace.nbuv.gov.ua/handle/123456789/142054 519.7 ru Кибернетика и системный анализ Інститут кібернетики ім. В.М. Глушкова НАН України
institution Digital Library of Periodicals of National Academy of Sciences of Ukraine
collection DSpace DC
language Russian
topic Кибернетика
Кибернетика
spellingShingle Кибернетика
Кибернетика
Галкин, А.А.
Распознавание действий медицинских работников на основе показателей акселерометров с использованием глубинной сети убеждений
Кибернетика и системный анализ
description Исследуется и анализируется реальное множество больших по объему медико-статистических данных, используемых для распознавания действий медицинских работников на основе показателей акселерометров в определенный момент времени. В процессе распознавания применена глубинная сеть убеждений на неразмеченных данных, после чего проведено обучение с учителем методом обратного распространения ошибки. Полученные результаты показали более высокую точность распознавания по сравнению с базовыми методами. Достигнуто также значительное улучшение относительно продолжительности действий медперсонала.
format Article
author Галкин, А.А.
author_facet Галкин, А.А.
author_sort Галкин, А.А.
title Распознавание действий медицинских работников на основе показателей акселерометров с использованием глубинной сети убеждений
title_short Распознавание действий медицинских работников на основе показателей акселерометров с использованием глубинной сети убеждений
title_full Распознавание действий медицинских работников на основе показателей акселерометров с использованием глубинной сети убеждений
title_fullStr Распознавание действий медицинских работников на основе показателей акселерометров с использованием глубинной сети убеждений
title_full_unstemmed Распознавание действий медицинских работников на основе показателей акселерометров с использованием глубинной сети убеждений
title_sort распознавание действий медицинских работников на основе показателей акселерометров с использованием глубинной сети убеждений
publisher Інститут кібернетики ім. В.М. Глушкова НАН України
publishDate 2016
topic_facet Кибернетика
url http://dspace.nbuv.gov.ua/handle/123456789/142054
citation_txt Распознавание действий медицинских работников на основе показателей акселерометров с использованием глубинной сети убеждений / А.А. Галкин // Кибернетика и системный анализ. — 2016. — Т. 52, № 6. — С. 21-29. — Бібліогр.: 8 назв. — рос.
series Кибернетика и системный анализ
work_keys_str_mv AT galkinaa raspoznavaniedejstvijmedicinskihrabotnikovnaosnovepokazatelejakselerometrovsispolʹzovaniemglubinnojsetiubeždenij
first_indexed 2023-10-18T21:26:16Z
last_indexed 2023-10-18T21:26:16Z
_version_ 1796152808366407680

Схожі ресурси