Get 20M+ Full-Text Papers For Less Than $1.50/day. Start a 14-Day Trial for You or Your Team.

Learn More →

Ein kombiniertes Neuronales Netzwerk-Compartment-Modell für die Glukosedynamik bei Patienten mit Typ I Diabetes Mellitus

Ein kombiniertes Neuronales Netzwerk-Compartment-Modell für die Glukosedynamik bei Patienten mit... Hin kombiniertes Neuronales Netzwerk-Compartment-Modell für die Glukosedynamik bei Patienten mit Typ I Diabetes Mellitus Z. Trajanoski, P. Wach, P. Kotanko§, W. Rcgittnig und F. Skrabal§ Institut für Elektro- und Biomedizinische Technik, Technische Universität Graz, Inffeldgasse 18, A-8010 Graz S Abteilung für Innere Medizin, Krankenhaus der Barmherzigen Brüder, Marschallgasse 12, A-8020 Graz Abstract - Kin Radial Rasis Function Neuronales Net/werk wurde als NARMAX-Modell zur Vorhersage von Blutzuckerwerten bei Patienten mit Typ I Diabetes Mellitus verwendet. Ambulant aufgezeichnete Daten von 10 Patienten wurden zunächst einem Compartment Modell zugeführt. Die so berechneten Zustandsgrößen stellten den Eingangsvektor und die gemessene Blutzuckerwerte den Ausgang des Netzwerkes dar. Die Ergebnisse zeigen, daß die Vorhersagen dieses kombinierten Modells besser sind als die Vorhersagen des verwendeten Compartment-Modells. METHODEN Die Problemstellung in dieser Arbeit entspricht einer Identifikation nichtlinearer Systeme mit Neuronalen Netzwerken. Wegen der spärlichen und nichtäquidistanten Abtastung konnten jedoch anderswo erfolgreich angewendete Verfahren [1] nicht direkt eingesetzt werden. Stattdessen wurde ein kombiniertes Neuronales NetzwerkCompartment-Modell benutzt. Im Gegensatz zu [9] haben wir ein dynamisches Neuronales Netzwerk, dargestellt als NARMAX-Modell (Non-Linear Auto Regressive Moving Average Model with Exogeneuos Inputs, [1]) herangezogen. Unter gewissen Voraussetzungen [1] können viele nichtlineare Systeme mit m Ausgängen y(0 = [yi(0....0>«(0l· r Eingänge u(0 http://www.deepdyve.com/assets/images/DeepDyve-Logo-lg.png Biomedizinische Technik / Biomedical Engineering de Gruyter

Ein kombiniertes Neuronales Netzwerk-Compartment-Modell für die Glukosedynamik bei Patienten mit Typ I Diabetes Mellitus

Download PDF
2 pages

Loading next page...
 
/lp/de-gruyter/ein-kombiniertes-neuronales-netzwerk-compartment-modell-f-r-die-jougCaoVmO

References (7)

Publisher
de Gruyter
Copyright
Copyright © 2009 Walter de Gruyter
ISSN
0013-5585
eISSN
1862-278X
DOI
10.1515/bmte.1993.38.s1.463
Publisher site
See Article on Publisher Site

Abstract

Hin kombiniertes Neuronales Netzwerk-Compartment-Modell für die Glukosedynamik bei Patienten mit Typ I Diabetes Mellitus Z. Trajanoski, P. Wach, P. Kotanko§, W. Rcgittnig und F. Skrabal§ Institut für Elektro- und Biomedizinische Technik, Technische Universität Graz, Inffeldgasse 18, A-8010 Graz S Abteilung für Innere Medizin, Krankenhaus der Barmherzigen Brüder, Marschallgasse 12, A-8020 Graz Abstract - Kin Radial Rasis Function Neuronales Net/werk wurde als NARMAX-Modell zur Vorhersage von Blutzuckerwerten bei Patienten mit Typ I Diabetes Mellitus verwendet. Ambulant aufgezeichnete Daten von 10 Patienten wurden zunächst einem Compartment Modell zugeführt. Die so berechneten Zustandsgrößen stellten den Eingangsvektor und die gemessene Blutzuckerwerte den Ausgang des Netzwerkes dar. Die Ergebnisse zeigen, daß die Vorhersagen dieses kombinierten Modells besser sind als die Vorhersagen des verwendeten Compartment-Modells. METHODEN Die Problemstellung in dieser Arbeit entspricht einer Identifikation nichtlinearer Systeme mit Neuronalen Netzwerken. Wegen der spärlichen und nichtäquidistanten Abtastung konnten jedoch anderswo erfolgreich angewendete Verfahren [1] nicht direkt eingesetzt werden. Stattdessen wurde ein kombiniertes Neuronales NetzwerkCompartment-Modell benutzt. Im Gegensatz zu [9] haben wir ein dynamisches Neuronales Netzwerk, dargestellt als NARMAX-Modell (Non-Linear Auto Regressive Moving Average Model with Exogeneuos Inputs, [1]) herangezogen. Unter gewissen Voraussetzungen [1] können viele nichtlineare Systeme mit m Ausgängen y(0 = [yi(0....0>«(0l· r Eingänge u(0

Journal

Biomedizinische Technik / Biomedical Engineering – de Gruyter

Published: Jan 1, 1993

There are no references for this article.