Seleção de Hiperparâmetros para o Treinamento das Arquiteturas de Rajpurkar et al. e Ribeiro et al. voltadas à Classificação de Patologias Cardíacas

Este artigo apresenta uma abordagem sistemática para a seleção de hiperparâmetros no treinamento de duas arquiteturas relevantes de aprendizado profundo da literatura, usadas na classificação de patologias cardíacas. Especificamente, utilizando a base de dados multirrótulo PTB-XL ECG e métricas apropriadas, foi desenvolvido um script em Python para realizar uma busca exaustiva em grade sobre um espaço pré-definido de valores para os hiperparâmetros. Os resultados mostram um desempenho similar para ambas as arquiteturas quando valores apropriados de hiperparâmetros são utilizados.