V ätoj knige rasskazywaetsq o tom, kak glubokaq generatiwnaq sostqzatel'naq set', postroennaq na bol'shom nabore dannyh, mozhet wyqwlqt' aritmii tochnee, chem wrachi. Krome togo, izwlechenie priznakow tradicionno rassmatriwaetsq kak wazhnyj komponent klassifikacii aritmij po älektrokardiogramme. Cel' dannogo issledowaniq - izuchit' klassifikaciü aritmij po JeKG s pomosch'ü glubokoj plotnoj generatiwnoj sostqzatel'noj seti. Arhitekturu GAN, predstawlennuü w ätoj knige, mozhno nauchit' sozdawat' signaly JeKG, sopostawimye s real'nymi signalami JeKG. Rezul'taty pokazywaüt, chto ispol'zowanie strategii, osnowannoj na posledowatel'nosti dlq wseh tipow JeKG-udarow, znachitel'no uluchshaet ploschad' pod kriwoj na nashem testowom nabore. Tradicionnaq arhitektura estestwennym obrazom ne uchitywaet takuü strukturu, i poätomu stradaet ot snizheniq proizwoditel'nosti, kogda takaq struktura qwlqetsq informatiwnoj. V knige prowoditsq srawnenie predlozhennoj metodiki s qdernym analizom glawnyh komponent s inkrementnoj regressiej wektora podderzhki, diskretnym wejwlet-preobrazowaniem s inkrementnoj regressiej wektora podderzhki i obschej razrezhennoj nejronnoj set'ü. Iz poluchennyh rezul'tatow sdelan wywod, chto predlozhennaq metodika GAN prewoshodit äti tri metoda s obschej tochnost'ü 97,44 %.