استفاده ازالگوریتم آموزشی گرانشی GSA برای طبقه بندی بیماریهای قلبی به کمک شبکه های عصبی
محل انتشار: دوازدهمین کنفرانس ملی سیستم های هوشمند ایران
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,072
فایل این مقاله در 6 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:
ICS12_146
تاریخ نمایه سازی: 11 مرداد 1393
چکیده مقاله:
تشخیص دیرهنگام نارساییهای قلبی میتواند به خطرات جدی وگاهی مرگ افرادمنجر شود بررسی دقیق نارسایی های قلبی نیازمند تهیه نمونه های متعددوصرف زمان زیادی توسط فردمتخصص می باشد که این خود احتمال خطا را افزایش میدهد باتوجه به اهمیت موضوع محققان درصدد برامدند تا روشی دقیق و کم خطایی ارایه دهند که بدون نیاز به دخالت شخص ماهرقادر به تشخیص بیماریهای قلبی باشد تاکنون سیستمهیا متعددی ارایه شده اند که علیرغم موفقیت نسبی معایب مشترکی ازقبیل کند بودن سیستم نداشتن دقت کافی استادن درتله ها یمحلی درحین اموزش شبکه و محدود بودن نمونه های مورد ازمیاش درآنها دیده میشود به همین دلیل این مقاله به ارایه روشی جدید برای دسته بندی و تشخیص اریتمی های قلبی بصورت خودکار پردااخته است مزیت این روش نسبت به سیستمهای پیشنهادی دیگرتلفیق دوشبکه عصبی ویولت وMLP برای استخراج ویژگیهای سیگنالهای قلبی و طبقه بندی داده ها می باشد مزیت دیگراین سیستم استفاده ازالگوریتم اموزشی گرانشی GSA برای اموزش شبکه MLP است این الگوریتم به تازگی ارایه شده و تاحدود بسیاری قادر به حل مشکلات الگوریتمهای اموزشی قدیمی تر میب اشد نتایج حاصل ازشبیه سازی نیز نشان میدهد استفاده ازاین الگوریتم اموزشی کارایی سیستم را تاحدود99درصد بهبود بخشیده است
کلیدواژه ها:
نویسندگان
مائده بهرامی
مدرس موسسه آموزش عالی وغیرانتفاعی نقش جهان
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 :