Detecting Characteristic Points for the Analysis of Bioimpedance Signal Through a Synergy of Fuzzy Rule-Based Models and Granular Neural Networks
Notice bibliographique
Résumé
In this article, we propose a novel methodology for determining accurate positions of characteristic points encountered in the analysis of bioimpedance signals. The proposed approach fully utilizes two fundamental modeling pursuits based on fuzzy rule-based models and neural networks. We take advantages of the unique capabilities of fuzzy rule-based models to characterize the nonlinear relationship between the acquired bioimpedance signals and their temporal coordinates. The fuzzy modeling approach is used to approximate the process that generates the bioimpedance signals through a collection of rules (if–then statements). In the sequel, the parameters of the models are used as the inputs of neural network models to determine the position of characteristic points. We further augment the numeric neural network to its granular counterpart to accommodate the uncertainty in the available experimental evidence by allocating a certain level of information granularity across the parameter space. The resulting granular outputs (intervals) become reflective of the quality and level of confidence associated with the prediction results. The quality of the prediction results is quantified in terms of the coverage and specificity criteria. The performance index is also enhanced to deal with the situation when the positions provided by experts are also information granules (intervals). The performance of the proposed approach is justified through a collection of experiments carried out on the collected real-world bioimpedance signals. Experimental results show that the proposed approach achieved higher accuracy in determining the position of characteristic points in comparison with other existing methods.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».