Login
Registrieren
Passwort zurücksetzen
Veröffentlichen & Verteilen
Verlagslösungen
Vertriebslösungen
Themen
Allgemein
Altertumswissenschaften
Architektur und Design
Bibliotheks- und Informationswissenschaft, Buchwissenschaft
Biologie
Chemie
Geowissenschaften
Geschichte
Industrielle Chemie
Informatik
Jüdische Studien
Kulturwissenschaften
Kunst
Linguistik und Semiotik
Literaturwissenschaft
Materialwissenschaft
Mathematik
Medizin
Musik
Pharmazie
Philosophie
Physik
Rechtswissenschaften
Sozialwissenschaften
Sport und Freizeit
Technik
Theologie und Religion
Wirtschaftswissenschaften
Veröffentlichungen
Zeitschriften
Bücher
Konferenzberichte
Verlage
Blog
Kontakt
Suche
EUR
USD
GBP
Deutsch
English
Deutsch
Polski
Español
Français
Italiano
Warenkorb
Home
Zeitschriften
International Journal of Applied Mathematics and Computer Science
Band 32 (2022): Heft 3 (September 2022)
Uneingeschränkter Zugang
A Hybrid Approach of a Deep Learning Technique for Real–Time ECG Beat Detection
Kiran Kumar Patro
Kiran Kumar Patro
,
Allam Jaya Prakash
Allam Jaya Prakash
,
Saunak Samantray
Saunak Samantray
,
Joanna Pławiak
Joanna Pławiak
,
Ryszard Tadeusiewicz
Ryszard Tadeusiewicz
und
Paweł Pławiak
Paweł Pławiak
| 08. Okt. 2022
International Journal of Applied Mathematics and Computer Science
Band 32 (2022): Heft 3 (September 2022)
Recent Advances in Modelling, Analysis and Implementation of Cyber-Physical Systems (Special section, pp. 345-413), Remigiusz Wiśniewski, Luis Gomes and Shaohua Wan (Eds.)
Über diesen Artikel
Vorheriger Artikel
Nächster Artikel
Zusammenfassung
Referenzen
Autoren
Artikel in dieser Ausgabe
Vorschau
PDF
Zitieren
Teilen
Online veröffentlicht:
08. Okt. 2022
Seitenbereich:
455 - 465
Eingereicht:
27. Jan. 2022
Akzeptiert:
10. Juni 2022
DOI:
https://doi.org/10.34768/amcs-2022-0033
Schlüsselwörter
cardiac abnormalities
,
CAD
,
convolutional neural network (CNN)
,
deep learning
,
ECG
,
supra-ventricular ec-topic beats (SVE)
© 2022 Kiran Kumar Patro et al., published by Sciendo
This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 3.0 License.