بررسی ویژگی های کلیدی در تعیین سطح حافظه به کمک هوش مصنوعی

تعریف مسئله: حافظه به عنوان یکی از عوامل اصلی تجربه و یادگیری، نقش بسیار مهمی در زندگی روزمره مادارد. تست حافظه یکی از روشهای مورد استفاده در علوم شناختی و روانشناسی است که برای ارزیابی واندازه گیری قدرت و کارآیی حافظه فرد استفاده میشود. برخی اهمیتهای تست حافظه عبارتند از : ارزیابی عملکردشناختی؛ تشخیص بیماری ها از جمله بیماری های عصبی مانند آلزایمر و سایر اختلالات شناختی. تست حافظهمیتواند در تشخیص این بیماریها و پیگیری تغییرات در حالت فعلی و طولانی مدت کمک کند . و شناسایینقاط قوت و ضعف جهت بهبود حافظه.نوآوری: یکی از مراجع مهم و جامع داده پزشکی ، دادهای موجود در سایت share-project است که در آن ازسال ۱۳۸۲ تا به امروز بیش از ۵۳۰ هزار مصاحبه عمیق با افراد بالای ۵۰ سال از ۲۸ کشور اروپایی انجام شدهاست. ما به بررسی این مجموعه داده حجیم پرداختیم که با دیتاستی شامل بر ۲۳۰ هزار بیمار و ۲۷۰ ویژگی کهشامل سطح حافظه این افراد از این افراد بود مواجه شدیم و آن را مورد بررسی قرار دادیم . طی بررسی انجام شدهتوسط متخصصان مربوطه، از این ۲۷۰ ویژگی تعدادی از این ویژگی ها که به صورت واضح موثر نبودند حذفشدند و ما حدود ۵۵ ویژگی که احتمال بر تاثیر گزاری آنها بود به کمک روش های انتخاب ویژگی که یکی ازروشهای پیش پردازش داده در هوش مصنوعی است مورد بررسی قرار دادیم تا ببینیم کدام یک از این ۵۵ ویژگیمیتواند تاثیر گزاری بیشتری در تعیین سطح حافظه بیماران داشته باشد. در این مجموعه داده، تست حافظه در۴ سطح زیر مشخص شده بود : Fair – Poor – Good – Very Good ما جهت پیدا کردن ویژگیهای برتر که بیشترین رابطه احتمالاتی را با سطح حافظه دارد به سراغ روش مبتنی برهوش مصنوعی کای دو (chi-χsquare (X(۲) رفتیم که در نهایت سطح ارتباط هر کدام از این ۵۵ ویژگی باقدرت حافظه را بصورت یک عدد به ما میدهد که آن میزان رابطه بین هر ویژگی با ویژگی مرجع (سطح حافظه)است. در ابتدا بایست این ۵۵ ویژگی منتخب را مورد بررسی قرار میدادیم که پس از پیش پردازش اولیه روی آنهابا روش کای دو ۵ ویژگی برتر تاثیر گزار را بدین صورت بدست آوردیم :۱ . Limitations with instrumental activities of daily living۲ . Mobility limitations۳ . Age۴ . Limitations with activities of daily living۵ . Years of educationنتایج پژوهش: پیاده سازی الگوریتم کای دو به کمک نرم افزار پایتون و استفاده از داده های حجیم ۲۳۰ هزاربیمار اروپایی (هر کدام با ۵۵ ویژگی) در این الگوریتم برای محاسبه نسبت عددی ارتباط هر پارامتر در سطححافظه بیمار و در نهایت انتخاب تعداد کمی از موثرترین پارامترها به عنوان خروجی نرم افزار.

کلیدواژه ها:

حافظه ، تعیین سطح ، هوش مصنوعی ، حافظه