طبقهبندی سلولهای سرطانی با استفاده از شبکه عصبی پرسپترون چندلایه با نظارت الگوریتم ازدحام ذرات
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 719
فایل این مقاله در 13 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:
SENACONF01_142
تاریخ نمایه سازی: 25 فروردین 1394
چکیده مقاله:
بیوانفورماتیک علمی است که توانسته همکاری را بین محققان دو رشته پزشکی و علومکامپیوتر به نحو احسن فراهم آورد.بیوانفورماتیک، بهگونه مناسبتری به ایجاد و توسعه الگوریتمها، تکنیکهای محاسباتی و آماری و تئوری اشاره دارد که برای پیشبینی و تشخیص بیماری بسیار مفید است. بهینهسازی در ادبیات مهندسی به کمینهسازی یا بیشینهسازی یک تابع هدف بهوسیله الگوریتمی ساختارمند تحت قیود محدودکنندهای است. در طبقهبندی دادههای بیان ژن سرطانی با استفادهاز شبکه عصبی پرسپترون چندلایه قصد داریم مدل عصبی با دقت بالا و خطای کم طبقهبندی دادهها را بهصورت سالم وسرطانی انجام دهد. برای افزایش دقت طبقهبندی بایستی آموزش شبکه عصبی پرسپترون چندلایه با دقت بالایی انجام شود و وزنهای نورونها در آن بهصورت بهینه تعیین شوند. برای آموزش شبکه عصبی از الگوریتم بهینهسازی ازدحام ذرات استفاده شده است. نتایج نشان از دقت99/60% در طبقهبندی دادهها است. برای نشان دادن دقت دستهبندی نتایج دسته بندی شبکه عصبی پرسپترون چندلایه آموزش داده شده با الگوریتم بهینهسازی ازدحام ذرات با نتایج دستهبندی با الگوریتم ژنتیک مقایسه میشود
کلیدواژه ها:
انتخاب ژن با بیشترین بهره اطلاعاتی ، الگوریتم ژنتیک ، الگوریتم بهینهسازی ازدحام ذرات ، شبکه عصبی پرسپترون چندلایه
نویسندگان
بی تا تاجیک
دانشگاه آزاد اسلامی واحد تهران جنوب – گروه مهندسی کامپیوتر
پیمان شیخ الحرم
دانشگاه تهران - گروه 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 :