بررسی میزان عملکرد شبکه عصبی مصنوعی رو به جلو با توپولوژی جهان کوچک در طبقه بندی بیماری صرع
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 728
فایل این مقاله در 7 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:
STCONF01_049
تاریخ نمایه سازی: 27 بهمن 1394
چکیده مقاله:
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:
نویسندگان
محمد حسین احمدی
دانشجوی کارشناسی،مهندسی فن اوری اطلاعات،دانشگاه علمی کاربردی شهرداری بیارجمند
سید محمد سلیمانی
مربی، گروه فن اوری اطلاعات، دانشگاه علمی کاربردی شهرداری بیارجمند
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 :