طراحی رویتگر عصبی برای تخمین متغیرهای حالت کلاس خاصی از سیستم دینامیکی سرطان خون

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 362

فایل این مقاله در 21 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JEMSC-6-2_007

تاریخ نمایه سازی: 9 شهریور 1401

چکیده مقاله:

در این مقاله هدف طراحی رویتگر شبکه عصبی برای تخمین متغیرهای حالت دینامیک غیر خطی سرطان خون (لوسمی) می باشد. لوسمی یکی از چهار سرطان شایع در میان کودکان است. تعداد بالای سلول های سفید باعث اختلال توانایی این سلول ها در مبارزه با عفونت ها شده و باعث نقص توانایی مغز استخوان برای ساختن سلول های قرمز و پلاکت خون می شود. در این مقاله از یک شبکه عصبی رو به جلو دولایه استفاده شده است. وزن های هر دو لایه متغیر در نظر گرفته شده است. برای تنظیم وزن های شبکه عصبی از الگوریتم پس انتشار خطا استفاده شده است. در این الگوریتم ابتدا با وزن های تصادفی خروجی سیستم معین می شود سپس خطا اندازه گیری می شود و به سیستم باز می گردد تا وزن ها به روز رسانی شود و دوباره این حلقه تکرار می شود تا خطا در همسایگی صفر محدود شود. با مقایسه این رویتگر با یک رویتگر کلاسیک کارایی بهتر رویتگر عصبی مشخص می شود. استفاده از این روش باعث کاهش تعداد دفعات آزمایش و نمونه برداری می گردد که باعث کاهش هزینه و جلوگیری از اتلاف وقت می شود.

نویسندگان

یوسف فرشیدی

کارشناسی ارشد، مهندسی برق-کنترل، دانشکده فنی و مهندسی، دانشگاه قم، قم، ایران

رضا قاسمی

استادیار، گروه مهندسی برق، دانشکده فنی و مهندسی، دانشگاه قم، قم، ایران.

امین شرفیان اردکانی

دانشجوی دکترا، مهندسی برق-کنترل، دانشکده فنی و مهندسی، دانشگاه قم، قم، ایران.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Chen, C. Maecker, H. Lee, P. (۲۰۰۸), “Development and dynamics ...
  • Chen, B., Zhang, H., Lin, C. (۲۰۱۶). Observer-Based Adaptive Neural ...
  • Ghafari, A. Azizi, K. Amini, MR. (۲۰۱۲), “Mathematical Modeling of ...
  • Hussain, S., Bazaz, M. A. (۲۰۱۶). Neural Network Observer Design ...
  • Khoygani, M. R. R., Ghasemi, R., & Vali, A. R. ...
  • Khoygani, M. R. R., Ghasemi, R. (۲۰۱۶). Neural estimation using ...
  • Kim, P., Lee, P., Levy, D. (۲۰۰۸), “Dynamics and potential ...
  • Lewis, F.L. Yesildirek, A. and Liu, K. (۱۹۹۶), “Multilayer neural-net ...
  • Malekzadeh, M., Khosravi, A., Rasouli, H., Noei, A. R. (۲۰۱۵, ...
  • Nanda, S. Moore, H. Lenhart, S. (۲۰۰۷), “Optimal control of ...
  • Padhi, R. Kothar, M. (۲۰۰۶), “An optimal dynamic inversion-based neuro ...
  • Paquin, D. Kim, P.S. Lee, P.P. Levy, D. (۲۰۱۱), “Strategic ...
  • Selmic, R.R. (۲۰۰۰), “Neurocontrol of Industrial Motion Systems with Actuator ...
  • Sharafian, A., Ebrahimi fard, Z., (۲۰۱۷ In press), “State Dependent ...
  • Sharafian, A., Ghasemi, R., (۲۰۱۶ In press), “Stable State Dependent ...
  • Sharafian, A., Ghasemi, R., (۲۰۱۷), “Fractional neural observer design for ...
  • Wang, M., Ren, X. (۲۰۱۶), “Neural Network Observer Based Optimal ...
  • Witczak, P., Patan, K., Witczak, M., Puig, V., Korbicz, J. ...
  • نمایش کامل مراجع