طراحی سیستمی برای تشخیص بیماری آنمی فقرآهن با استفاده ازالگوریتم های داده کاوی
- سال انتشار: 1392
- محل انتشار: اولین همایش ملی رویکردهای نوین در مهندسی کامپیوتر و بازیابی اطلاعات
- کد COI اختصاصی: BPJ01_053
- زبان مقاله: فارسی
- تعداد مشاهده: 1219
نویسندگان
دانشجوی کارشناسی ارشد
چکیده
دردنیای پزشکی امروزه داده های مربوط به علائم بیماران مبتلا به بیماریهای گوناگون و نتایج روشهای کمکی برای تشخیص این بیماریها بسیاروسیع و گسترده هستند بطوریکه معمولا تحلیل و درنظرگرفتن همه جانبه ی کلیه عوامل دخیل توسط فرد دشواربه نظر می اید اینجاست که نیاز به یک سیستم مکانیزه برای کمک به کشف الگوهای موجود و همچنین پیش بینی رخدادهای اتی کاملا احساس میشود دانش داده کاوی به عنوان ارایه کننده این سیستم مکانیزه کمک های شایانی درپیشرفت های پزشکی به ویژه درزمینه تشخیص بیماریهای گوناگون کرده استکلیدواژه ها
داده کاوی، الگوریتم کلونی مورچگان، قوانین فازی، آنمی فقرآهنمقالات مرتبط جدید
- توسعه مدل های یادگیری چندعاملی برای هماهنگی خودمختار در سیستم های سایبری-فیزیکی با بهره گیری از تقویت یادگیری عمیق چندعاملی
- پیش بینی تطبیقی احساسات در گفتار چند زبانه با استفاده از مدل های ترنسفورمر چندوجهی و یادگیری انتقالی
- معماری های اصلی شبکه های عصبی عمیق و مقایسه آنها
- Beyond Counsel: The Role of Artificial Intelligence in Transforming Legal Practice and Justice Access
- معماری بهینه برای شبکه حسگر بیسیم با بیشترین کاهش انرژی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.