国际群体智能与进化计算杂志

抽象的

利用改进的粒子群优化算法训练多层感知器进行心脏病预测

Kelwade JP 和 Salankar SS

近来，心率变异性研究成为评估心脏健康状况的热门话题。本文提出了一种新方法，通过改进的粒子群优化 (IPSO) 技术来提高多层感知器 (MLP) 神经网络的预测精度。IPSO 计算 MLP 的权重和偏差，以便更准确地预测心律失常类别。这项心脏病预测研究涉及从 MIT-BIH 心律失常数据库中选择三种心脏信号，包括左束支传导阻滞 (LBBB)、正常窦性心律 (NSR)、右束支传导阻滞 (RBBB)，形成心率时间序列，从 RR 间隔时间序列中提取特征，实施训练算法和预测心律失常类别。对所提出的训练方法进行了几项实验，以提高 MLP 的收敛能力。实验结果比基于梯度的反向传播 (BP) 学习算法给出了更好的评估。