Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот документ:
https://elib.bsu.by/handle/123456789/341097Полная запись метаданных
| Поле DC | Значение | Язык |
|---|---|---|
| dc.contributor.author | Монтик, Н. С. | |
| dc.contributor.author | Козик, И. Д. | |
| dc.contributor.author | Сухаревич, Д. С. | |
| dc.date.accessioned | 2026-02-05T11:03:41Z | - |
| dc.date.available | 2026-02-05T11:03:41Z | - |
| dc.date.issued | 2025 | |
| dc.identifier.citation | Информационные системы и технологии = Information Systems and Technologies : материалы XI Междунар. науч. конгр. по информатике (CSIST-2025), Респ. Беларусь, Минск, 29–31 окт. 2025 г. В 2 ч. Ч. 1 / Белорус. гос. ун-т ; редкол.: С. В. Абламейко (гл. ред.) [и др]. – Минск : БГУ, 2025. – С. 150-157. | |
| dc.identifier.isbn | 978-985-881-851-7 | |
| dc.identifier.isbn | 978-985-881-852-4 (ч. 1) | |
| dc.identifier.uri | https://elib.bsu.by/handle/123456789/341097 | - |
| dc.description | Раздел II. Биоинформатика и приложения | |
| dc.description.abstract | Исследование посвящено применению глубокого обучения для классификации стадий сна на основе сигналов электроэнцефалограммы (ЭЭГ). Использованы сверточные и рекуррентные нейронные сети, протестированные на датасете Sleep-EDF. Проведена предобработка данных и оптимизация гиперпараметров. Результаты подтверждают высокую точность и перспективность подхода для диагностики нарушений сна и домашнего мониторинга | |
| dc.language.iso | ru | |
| dc.publisher | Минск : БГУ | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.subject | ЭБ БГУ::ЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИ::Кибернетика | |
| dc.subject | ЭБ БГУ::ЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИ::Биология | |
| dc.subject | ЭБ БГУ::ТЕХНИЧЕСКИЕ И ПРИКЛАДНЫЕ НАУКИ. ОТРАСЛИ ЭКОНОМИКИ::Медицина и здравоохранение | |
| dc.title | Применение глубокого обучения для классификации стадий сна с использованием электроэнцефалограммы | |
| dc.title.alternative | Application of deep learning for classification of sleep stages using electroencephalogram / N. S. Montsik, I. D. Kozik, D. S. Sukharevich | |
| dc.type | conference paper | |
| dc.description.alternative | The study focuses on the application of deep learning for the classification of sleep stages based on electroencephalogram signals. Convolutional and recurrent neural networks have been used and tested on the Sleep-EDF dataset. Data preprocessing and hyperparameter optimization have been performed. The results demonstrate the high accuracy and potential of this approach for the diagnosis of sleep disorders and home monitoring | |
| Располагается в коллекциях: | 2025. Информационные системы и технологии | |
Полный текст документа:
| Файл | Описание | Размер | Формат | |
|---|---|---|---|---|
| 150-157.pdf | 495,11 kB | Adobe PDF | Открыть |
Все документы в Электронной библиотеке защищены авторским правом, все права сохранены.