بررسی میزان عملکرد شبکه عصبی مصنوعی رو به جلو با توپولوژی جهان کوچک در طبقه بندی بیماری صرع

ما در این پژوهش از شبکه های عصبی مصنوعی تغذیه ی رو به جلو برای توضیح مکانیسم پردازش اطلاعات مغز استفاده نموده ایم.توپولوژی شبکه ی جهان کوچک،خواص شبکه های زندگی حقیقی را برآورده نموده،از اینرو دراین مطالعه،شبکه ی تغذیه رو به جلو رابا توپولوژی جهان کوچک در نظر گرفته و عملکرد آن را بر طبقه بندی صرع بررسی می کنیم.برای به دست آوردن شبکه ی جهان کوچک ازروش واتز- استروگات استفاده کرده وبرای آزمایش عملکرد شبکه ازمجموعه داده های (EEG) حاصل از بیماران مبتلا به صرع وافراد سالم استفاده می کنیم.ما تعداد مختلف نورون ها در هر لایه ی شبکه را نیز مد نظر قرار داده و با مقایسه ی عملکرد دو شبکه،نشان داده می شودکه توپولوژی شبکه ی جهان کوچک واتز- استروگات باعث بهبود عملکرد یادگیری و کاهش زمان آموزش می شودو برای اولین بار درایران از توپولوژی جهان کوچک درشبکه عصبی مصنوعی تغذیه رو به جلو برای طبقه بندی صرع به کار می بریم.

کلیدواژه ها:

شبکه های عصبی تغذیه ی رو به جلو ، شبکه های جهان کوچک ، شبکه ی جهان کوچک واتز- استروگات ، صرع- EEG