تعیین میزان سلامت خواب با استفاده از الگوریتم های یادگیری ماشین

سال انتشار: 1403
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 236

فایل این مقاله در 15 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:

ELEMECHCONF08_022

تاریخ نمایه سازی: 19 تیر 1403

چکیده مقاله:

سلامت خواب در سال های اخیر به عنوان یک چالش در میان جمعیت است. امروزه توسعه و استفاده از فناوری های چند وجهی برای نظارت بر فعالیت بدنی ، خواب و ریتم های شبانه روزی گسترش چشمگیری داشته است. این پیشرفت ها نظارت دقیق خواب در مقیاس را برای اولین بار امکان پذیر می سازد. در این مقاله روش های مختلف تشخیص الگو برای یافتن روش مناسب مورد استفاده قرار گرفته است که عبارت اند از : شبکه عصبی پایه شعاعی) (RBF , پرسپترون چند لایه(MLP) , کلاسبندی نزدیک ترین همسایه (KNN) ماشین بردار پشتیبانی (SVM). لازم به ذکر است روش های مورد استفاده به دو صورت کیفی و کمی می باشند. پس از نقد و بررسی روش های ذکر شده، روش ماشین بردار پشتیبانی(SVM) بهترین نتیجه را برخوردار می باشد.

کلیدواژه ها:

نویسندگان

سنا قربانی

دانشکده ی مهندسی برق موسسه ی آموزش عالی سراج

زهرا آسیابان

دانشکده ی مهندسی برق موسسه ی آموزش عالی سراج

سامان راجبی

دانشکده ی مهندسی برق موسسه ی آموزش عالی سراج

نادر وحدانی

دانشکده ی مهندسی برق موسسه ی آموزش عالی سراج