Wyniki wyszukiwania - BazTech

1

Detection of Obstructive Sleep Apnea from ECG Signal Using SVM Based Grid Search

Valavan K. K., Manoj S., Abishek S., Gokull Vijay T. G., Vojaswwin P., Rolant Gini J., Ramachandran K. I.

International Journal of Electronics and Telecommunications

|

2021

|

Vol. 67, No. 1

5--12

EN

Obstructive Sleep Apnea is one common form of sleep apnea and is now tested by means of a process called Polysomnography which is time-consuming, expensive and also requires a human observer throughout the study of the subject which makes it inconvenient and new detection techniques are now being developed to overcome these difficulties. Heart rate variability has proven to be related to sleep apnea episodes and thus the features from the ECG signal can be used in the detection of sleep apnea. The proposed detection technique uses Support Vector Machines using Grid search algorithm and the classifier is trained using features based on heart rate variability derived from the ECG signal. The developed system is tested using the dataset and the results show that this classification system can recognize the disorder with an accuracy rate of 89%. Further, the use of the grid search algorithm has made this system a reliable and an accurate means for the classification of sleep apnea and can serve as a basis for the future development of its screening.

2

Grid Search of Convolutional Neural Network model in the case of load forecasting

Tran Thanh Ngoc

Archives of Electrical Engineering

|

2021

|

Vol. 70, nr 1

25--36

EN

The Convolutional Neural Network (CNN) model is one of the most effective models for load forecasting with hyperparameters which can be used not only to determine the CNN structure and but also to train the CNN model. This paper proposes a frame work for Grid Search hyperparameters of the CNN model. In a training process, the optimalmodels will specify conditions that satisfy requirement for minimum of accuracy scoresof Root Mean Square Error (RMSE), Mean Absolute Percentage Error (MAPE) and Mean Absolute Error (MAE). In the testing process, these optimal models will be used to evaluate the results along with all other ones. The results indicated that the optimal models have accuracy scores near the minimum values. Load demand data of Queensland (Australia) and Ho Chi Minh City (Vietnam) were utilized to verify the accuracy and reliability of the Grid Search framework.

3

Breast cancer diagnosis using wrapper-based feature selection and artificial neural network

Naveed Nawazish, Madhloom Hayan T., Husain Mohd Shahid

Applied Computer Science

|

2021

|

Vol. 17, no 3

19--30

EN

Breast cancer is commonest type of cancers among women. Early diagnosis plays a significant role in reducing the fatality rate. The main objective of this study is to propose an efficient approach to classify breast cancer tumor into either benign or malignant based on digitized image of a fine needle aspirate (FNA) of a breast mass represented by the Wisconsin Breast Cancer Dataset. Two wrapper-based feature selection methods, namely, sequential forward selection(SFS) and sequential backward selection (SBS) are used to identify the most discriminant features which can contribute to improve the classification performance. The feed forward neural network (FFNN) is used as a classification algorithm. The learning algorithm hyper-parameters are optimized using the grid search process. After selecting the optimal classification model, the data is divided into training set and testing set and the performance was evaluated. The feature space is reduced from nine feature to seven and six features using SFS and SBS respectively. The highest classification accuracy recorded was 99.03% with FFNN using the seven SFS selected features. While accuracy recorded with the six SBS selected features was 98.54%. The obtained results indicate that the proposed approach is effective in terms of feature space reduction leading to better accuracy and efficient classification model.

4

Assessment of costs in cut-off grades optimization by using grid search method

Cetin E.

Gospodarka Surowcami Mineralnymi

|

2018

|

T. 34, z. 2

67--80

EN

The optimization of cut-off grades is a fundamental issue for metallic ore deposits. The cut-off grade is used to classify the material as ore or waste. Due to the time value of money, in order to achieve the maximum net present value, an optimum schedules of cut-off grades must be used. The depletion rate is the rate of depletion of a mineral deposit. Variable mining costs are to be applied to the really excavated material, as some of the depletion can be left in-situ. Due to access constraints, some of the blocks that have an average grade less than the determined cut-off grade are left in-situ, some of them are excavated and dumped as waste material. Naturally, variable mining costs should be applied to the blocks of a mineral deposit that are actually excavated. The probability density function of an exponential distribution is used to find the portion of the depletion rate over the production rate that is to be left in-situ. As a result, inverse probability density function is to be applied as the portion of the depletion rate over the production rate that is to be excavated and dumped. The parts of a mineral deposit that are excavated but will be dumped as waste material incur some additional cost of rehabilitation that is to be included in the algorithm of the cut-off grades optimization. This paper describes the general problem of cut-off grades optimization and outlines the further extension of the method including various depletion rates and variable rehabilitation cost. The author introduces the general background of the use of grid search in cut-off grades optimization by using various depletion rates and variable rehabilitation cost. The software developed in this subject is checked by means of a case study.

PL

Optymalizacja wartości brzeżnych jest sprawą podstawową dla złóż rud metali. Wartość brzeżna służy do klasyfikacji materiału jako rudy lub odpadu. Ze względu na wartość pieniądza w czasie, aby osiągnąć maksymalną wartość bieżącą netto, należy zastosować optymalne harmonogramy wartości brzeżnej. Wskaźniki zubożenia to stopa sczerpania złoża mineralnego. Zmienne koszty wydobycia mają zastosowanie dla rzeczywistego wydobycia surowca, ponieważ część zubożonego surowca można pozostawić na miejscu. Z powodu ograniczeń dostępu niektóre bloki, które mają średnią ocenę mniejszą niż określona wartość brzeżna, pozostawia się na miejscu, a niektóre z nich są wydobywane i składowane jako odpady. Naturalnie, zmienne koszty wydobycia powinny być stosowane do bloków złoża mineralnego, które są faktycznie wydobywane. Funkcja gęstości prawdopodobieństwa rozkładu wykładniczego jest stosowana do znalezienia części wskaźnika zubożenia w stosunku do wielkości produkcji, która ma pozostać na miejscu. W rezultacie odwrotna funkcja gęstości prawdopodobieństwa może być zastosowana jako część wskaźnika zubożenia w stosunku do wielkości produkcji, która ma zostać wydobyta i składowana. Część złóż mineralnych, które są wydobyte, ale zostają składowane jako odpady, pociąga za sobą dodatkowe koszty rekultywacji, które należy uwzględnić w algorytmie optymalizacji wartości granicznych. W artykule opisano ogólny problem optymalizacji wartości brzeżnych i przedstawiono dalsze rozszerzenie metody, w tym różne wskaźniki zubożenia i zmienny koszt rekultywacji. Autor wprowadza ogólne tło zastosowania przeszukiwania siatki w optymalizacji ocen granicznych za pomocą różnych wskaźników zubożenia i zmiennego kosztu rekultywacji. Oprogramowanie zastosowane w tym przypadku jest sprawdzane za pomocą studium przypadku.

5

Użyteczność deterministycznych metod optymalizacji globalnej do szacowania parametrów w zagadnieniach hydrologicznych

Grządziel M., Jełowicki J.

Woda-Środowisko-Obszary Wiejskie

|

2011

|

T. 11, z. 1

61-74

PL

Numeryczne metody optymalizacji, powszechnie stosowane w zagadnieniach hydrologicznych, nie gwarantują wyznaczenia minimum globalnego funkcji celu. Ich popularność wiąże się z tym, że mogą one być stosowane w zagadnieniach, w których liczba zmiennych decyzyjnych jest stosunkowo duża. W pracy dokonano przeglądu metod deterministycznych, które umożliwiają znalezienie optimum globalnego w przypadku, gdy funkcja celu ma więcej niż jedno minimum lokalne. Metody te mogą być podzielone na dwie kategorie: asymptotycznie kompletne oraz kompletne. Podczas gdy algorytmy należące do obu klas są w stanie generować ciąg rozwiązań przybliżonych zbieżny do rozwiązania zagadnienia optymalizacji globalnej, to tylko dla algorytmów należących do drugiej z wymienionych kategorii są dostępne nieheurystyczne kryteria stopu. Przykłady przedstawione w pracy ilustrują możliwości zastosowania metod asymptotycznie kompletnych do szacowania parametrów w modelach procesów hydrologicznych, takich jak: modele różniczkowe przepływu wód gruntowych, modele hydrauliczne wchodzące w skład modeli hydrodynamicznych wykorzystywanych do modelowania zasobów wód powierzchniowych, modele typu opad-odpływ czy też integralne modele zlewni.

EN

Most numerical optimization methods that are widely used in hydrology don't guarantee reaching the global minimum of the goal function. They became popular mainly due to their ability of handling relatively multi-dimensional problems. The paper reviews the deterministic methods capable of finding the global optimum in the presence of local optima. They can be divided into two categories: asymptotically complete methods and complete methods. While algorithms from both classes can generate a sequence converging to a solution of the global optimization problem, only for the algorithms from the latter class non-heuristic stopping criteria are available. The examples presented in the paper illustrate the applicability of asymptotically complete methods to parameter estimation in modelling hydrological processes, such as differential models of groundwater flow, hydraulic models embedded into hydrodynamic models of river systems, the precipitation–outflow models or integral catchment models.