Ефективність алгоритмів попередньої обробки даних в задачі класификації високочастотних біологічних сигналів

Скорочена інформація про документ
dc.contributor.authorБойко, А. Л.
dc.contributor.authorНастенко, Євген Арнольдович
dc.contributor.authorПавлов, В. А.
dc.contributor.authorКоновал, О. О.
dc.contributor.authorОсадчий, М. А.
dc.contributor.authorДємєнтьєв, А. В.
dc.date.accessioned2021-11-21T23:16:37Z
dc.date.available2021-11-21T23:16:37Z
dc.date.issued2017-09
dc.description.abstractenThis paper presents the results of effectiveness research on various algorithms for smoothing pulsometry signals in the classification problem of human health from the view point of cardiovascular system state. The modeling of smoothed signals are realized using the Recurrent Aditive-Multiplicative Multistage Algorithm (RAMMA) of Group Method of Data Handling (GMDH).uk
dc.description.abstractruВ данной работе приведены результаты исследования эффективности различных алгоритмов сглаживания сигналов пульсометрии в задаче классификации здоровья человека с точки зрения состояния сердечнососудистой системы. Моделирование сглаженных сигналов реализовано с помощью рекуррентного адитивно-мультипликативного многоэтапного алгоритма РАМБА метода группового учета аргументов.uk
dc.description.abstractukВ роботі наведено результати досліджень, що дозволили оцінити ефективність застосування різних алгоритмів згладжування сигналів пульсометрії в задачі класифікації здоров'я людини з точки зору стану серцево-судинної системи. Моделювання згладжених сигналів відбувалося за рекурентним адитивно-мультиплікативного багатоетапним алгоритмом (РАМБА) методу групового урахування аргументів (МГУА), проведення класифікації отриманих моделей реалізовано засобами програми GMDH Shell.uk
dc.format.pagerangeС. 23-30uk
dc.identifier.citationЕфективність алгоритмів попередньої обробки даних в задачі класификації високочастотних біологічних сигналів / А. Л. Бойко, Є. А. Настенко, В. А. Павлов, О. О. Коновал, М. А. Осадчий, А. В. Дємєнтьєв // Індуктивне моделювання складних систем : збірник наукових праць. – 2017. – Вип. 9. – С. 23–30. – Бібліогр.: 6 назв.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/45154
dc.language.isoukuk
dc.publisherМіжнародний науково-навчальний центр інформаційних технологій та систем НАН та МОН Україниuk
dc.publisher.placeКиївuk
dc.sourceІндуктивне моделювання складних систем : збірник наукових праць, 2017, Вип. 9uk
dc.subjectалгоритми згладжуванняuk
dc.subjectметод групового урахування аргументівuk
dc.subjectметод ковзного середньогоuk
dc.subjectекспоненціальне згладжуванняuk
dc.subjectмедіанний фільтрuk
dc.subjectфільтр Савицього-Голаяuk
dc.subjectsmoothing algorithmsuk
dc.subjectGroup Method of Data Handlinguk
dc.subjectMoving Average Methoduk
dc.subjectexponential smoothinguk
dc.subjectmedian filteruk
dc.subjectSavitzky-Golay filteruk
dc.subjectалгоритмы сглаживанияuk
dc.subjectметод группового учета аргументовuk
dc.subjectметод скользящего среднегоuk
dc.subjectэкспоненциальное сглаживаниеuk
dc.subjectмедианный фильтрuk
dc.subjectфильтр Савицкого-Голаяuk
dc.subject.udc004.9uk
dc.titleЕфективність алгоритмів попередньої обробки даних в задачі класификації високочастотних біологічних сигналівuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
IMSS_2017_9_s23-30.pdf
Розмір:
552.95 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.01 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Статті (БМК)