استفاده ازشبکه عصبی مصنوعی با وزن دهی بهینه توسط الگوریتم های تکاملی درتشخیص بیماری دیابت
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,935
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
PNUNCIT01_202
تاریخ نمایه سازی: 20 اردیبهشت 1392
چکیده مقاله:
مبتلایان به دیابت درمعرض خطرسکته قلبی بوده و احتمال ابتلا به دیگر بیماریهای قلبی عروقی و چشمی و نارسایی کلیوی درآنان افزایش می یابد میتوان گفت یافتن و پیاده سازی روشی که قادرباشد هرفرد را درپیش بینی تشخیص ابتلا به این بیماری یاری رساند گامی مفید درجهت پیشگیری و کنترل این بیماری خواهد بود دراین مقاله برانیم تا با استفاده ازالگوریتم های داده کاوی و همچنین استفاده ازشبکه عصبی مصنوعی این پیش بینی را انجام دهیم برای بهینه سازی شبکه عصبی وزن دهی بهینه ی آن را با استفاده ازالگوریتم های تکاملی انجام میدهیم درادامه مقایسه ای بین الگوریتم مورچگان و ژنتیک به منظور تعیین وزن بهینه برای شبکه عصبی انجام میگیرد همچنین نتایج حاصل ازالگوریتم های داده کاوی و شبکه عصبی و الگوریتم ترکیبی تکاملی و شبکه عصبی برروی دو پایگاه دادهمرتبط با بیماران دیابتی باهم مقایسه شده و روش بهینه جهت تشخیص و پیش بینی بیماری را ارایه خواهد داد
کلیدواژه ها:
نویسندگان
فرزانه رحمانی
دانشگاه صنعتی بیرجند
مریم رادپور
دانشجوی مهندسی کامپیوتر
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 :