메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
저널정보
대한의료정보학회 Healthcare Informatics Research Healthcare Informatics Research 제23권 제4호
발행연도
2017.1
수록면
285 - 292 (8page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
Objectives: Stress management is related to public healthcare and quality of life; an accurate stress classification method is necessary for the design of stress monitoring systems. Therefore, the goal of this study was to design a novel stress classification model using a deep learning method. Methods: In this paper, we present a stress classification model using the dataset from the sixth Korea National Health and Nutrition Examination Survey conducted from 2013 to 2015 (KNHANES VI) to analyze stress-related health data. Statistical analysis was performed to identify the nine features of stress detection, and we evaluated the performance of the proposed stress classification by comparison with several stress detection models. The proposed model was also evaluated using Deep Belief Networks (DBN). Results: We designed profiles depending on the number of hidden layers, nodes, and hyper-parameters according to the loss function results. The experimental results showed that the proposed model achieved an accuracy and a specificity of 66.23% and 75.32%, respectively. The proposed DBN model performed better than other classification models, such as support vector machine, naive Bayesian classifier, and random forest. Conclusions: The proposed model in this study was demonstrated to be effective in classifying stress detection, and in particular, it is expected to be applicable for stress prediction in stress monitoring systems.
#Stress #Stress Classification Model #Deep Belief Network #Machine Learning #KNHANES

목차

등록된 정보가 없습니다.

참고문헌 (27)

참고문헌 신청
/ / DL4J. A beginner’s tutorial for restricted Boltzmann machines google schola / / DL4J. Deep learning for Java google schola / / DL4J. Tutorial: deep-belief networks & MNIST google schola / / Dl4J-examples (Java) google schola / / History of deep running: site that summarizes the history of deep running google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0