| DC Field | Value | Language |
|---|
| dc.contributor.author | Саган, В. Ю. | - |
| dc.contributor.author | Фридман, Р. | - |
| dc.date.accessioned | 2016-06-01T11:56:54Z | - |
| dc.date.accessioned | 2017-07-18T09:11:33Z | - |
| dc.date.available | 2016-06-01T11:56:54Z | - |
| dc.date.available | 2017-07-18T09:11:33Z | - |
| dc.date.issued | 2016 | - |
| dc.identifier.citation | Саган, В. Ю. Применение сетей Байеса для анализа ЭКГ / В. Ю. Саган, Р. Фридман // Открытые семантические технологии проектирования интеллектуальных систем = Open Semantic Technologies for Intelligent Systems (OSTIS-2016) : материалы VI междунар. науч.-техн. конф. (Минск, 18 - 20 февраля 2016 года) / редкол. : В. В. Голенков (отв. ред.) [и др.]. – Минск : БГУИР, 2016. – С. 579 - 582. | ru_RU |
| dc.identifier.uri | https://libeldoc.bsuir.by/handle/123456789/7131 | - |
| dc.description.abstract | В данной работе описаны исследования в области автоматизированного анализа работы сердца по
электрокардиограммам с применением машинного обучения. В частности описаны результаты применения
байесовских сетей и наивного байесовского классификатора для определения наличия кардиологических
патологий. Полученные результаты указывают на то, что данный подход применим к поставленной задаче.
Наилучшие результаты были получены с использованием улучшенной байесовской сети. | ru_RU |
| dc.language.iso | ru | ru_RU |
| dc.language.iso | en | ru_RU |
| dc.publisher | БГУИР | ru_RU |
| dc.subject | материалы конференций | ru_RU |
| dc.subject | электрокардиограмма | ru_RU |
| dc.subject | байесовский классификатор | ru_RU |
| dc.subject | байесовские сети | ru_RU |
| dc.subject | машинное обучение | ru_RU |
| dc.subject | генетический алгоритм | ru_RU |
| dc.subject | сердечнососудистые заболевания | ru_RU |
| dc.title | Применение сетей Байеса для анализа ЭКГ | ru_RU |
| dc.title.alternative | Application of Bayesian networks for analysis of ECG | ru_RU |
| dc.type | Article | ru_RU |
| local.description.annotation | This paper describes the research in the field of
automated analysis of the heart by electrocardiograms
(ECGs) using machine learning algorithms. In
particular, it describes the results of the application of
Bayesian networks and naive Bayesian classifier in
detection of the presence of cardiac pathologies. The
results that were obtained indicate that this approach
can be applied to the task. The best results were
obtained by using the improved Bayesian network. | - |
| Appears in Collections: | OSTIS-2016
|
