用于帕金森病诊断的深度回声状态网络
机器学习
2018-02-20 v1
摘要
本文提出了一种基于深度回声状态网络(ESN)的帕金森病(PD)诊断新方法。该方法通过分析在绘制螺旋测试过程中从平板设备收集的整个时间序列来识别PD,无需特征提取和数据预处理。我们在一个公开的螺旋测试数据集上评估了所提出的方法。实验分析结果表明,DeepESN的性能显著优于浅层ESN模型。总体而言,所提出的方法在此类时序数据的PD识别上取得了最先进(state-of-the-art)的结果。
引用
@article{arxiv.1802.06708,
title = {Deep Echo State Networks for Diagnosis of Parkinson's Disease},
author = {Claudio Gallicchio and Alessio Micheli and Luca Pedrelli},
journal= {arXiv preprint arXiv:1802.06708},
year = {2018}
}
备注
This is a pre-print of the paper submitted to the European Symposium on Artificial Neural Networks, Computational Intelligence and Machine Learning, ESANN 2018