Abstract: T. D. Pham (2022)

The concept of recurrence in nonlinear dynamics has been found useful for discovering patterns in complex time series of natural, physical, and biological processes. The method of fuzzy recurrence plots has recently been developed for studying patterns of recurrent behaviors in dynamical systems. Analysis of physiological time series has increasingly become important for medical research, and deep learning is reported in literature as the most advanced approach in artificial intelligence for classification of time series. For the first time, this paper presents the idea of computing texture properties of fuzzy recurrence of physiological time series to be used as input data for classification of physiological time series with deep recurrent neural networks. A public gait in Parkinsonâ€™s disease database was used to test the performance of the proposed approach. The deep learning of texture can significantly increase improvements in classification accuracy over some existing deep-learning models.

Please note: The abstracts of the bibliography database may underly other copyrights.

Ihr Browser versucht gerade eine Seite aus dem sogenannten Internet auszudrucken. Das Internet ist ein weltweites Netzwerk von Computern, das den Menschen ganz neue Möglichkeiten der Kommunikation bietet.

Da Politiker im Regelfall von neuen Dingen nichts verstehen, halten wir es für notwendig, sie davor zu schützen. Dies ist im beidseitigen Interesse, da unnötige Angstzustände bei Ihnen verhindert werden, ebenso wie es uns vor profilierungs- und machtsüchtigen Politikern schützt.

Sollten Sie der Meinung sein, dass Sie diese Internetseite dennoch sehen sollten, so können Sie jederzeit durch normalen Gebrauch eines Internetbrowsers darauf zugreifen. Dazu sind aber minimale Computerkenntnisse erforderlich. Sollten Sie diese nicht haben, vergessen Sie einfach dieses Internet und lassen uns in Ruhe.

Die Umgehung dieser Ausdrucksperre ist nach §95a UrhG verboten.

Mehr Informationen unter www.politiker-stopp.de.

Deep Learning of Recurrence Texture in Physiological Signals