ارایه مدل پیشنهاد دهنده فازی عصبی رژیم غذایی
سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 680
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
MAEMT02_145
تاریخ نمایه سازی: 11 مرداد 1396
چکیده مقاله:
چاقی در جوامع امروزی به یک معضل اجنماعی تبدیل شده و با سرعت بالایی در حال رشد است از این رو متخصصان علوم تغذیه در تلاشند تا بهترین و موترترین رژیم را برای افراد با توجه به شرایط زندگی و وضعیت سلامت آنها پیشنهاد دهند. نقطه مقابل چاقی، لاغری می باشد که این معظل نیز مشکلات خاص خودش را برای افراد به دنبال دارد. در این تحقیق سعی شده است براساس درجه چاقی و یا لاغری افراد و همچنین با در نظر گرفتن برخی پارامترهای بیوشیمایی، رژیم مناسبی به آنها پیشنهاد شود که با محاسبه میزان کالری مورد نیاز فرد براساس پارامترهای بیوشیمیایی و میزان تحرک او و سپس با استفاده از قوانین تعریف شده در پایگاه دانش این رژیم غذایی تولید میگردد. اغلب در تحقیقات گذشته از روش های کلاسیک استفاده می شد که عدم قطعیت ها را در نظر نمی گرفتند و بنابراین مدل پیشنهادی آنها خیلی دقیق نبود. هدف از این پژوهش ارایه مدلی با دقت جهت پیشنهاد رژیم غذایی مناسب و مدلسازی عدم قطعیت موجود در پارامترهای بیوشیمیایی بر اساس سیستم استنتاج عصبی فازی است. جهت دست یافتن به این مهم روشی بر پایه سیستم - فازی طراحی شد که این مدل توانست کیفیت و دقت رژیم غذایی مناسب را به 9.0 برساند. روش پیشنهادی با روش k نزدیکترین همسایه فازی ( FKNN ) مقایسه شد و نتایج نشان داد روش پیشنهادی با مدل کردن عدم قطعیت موجود در پارامترهای مورد استفاده بیشترین دقت را داراست.
کلیدواژه ها:
رژیم غذایی ، سیستم فازی ، روش فازی عصبی ، عدم قطعیت ، پارامترهای بیوشیمیایی ، روش - K نزدیکترین همسایه فازی (FKNN)
نویسندگان
حمید طباطبایی
باشگاه پژوهشگران جوان و نخبگان، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران
مریم فرشچیان یزدی
گروه مهندسی کامپیوتر، واحد نیشابور، دانشگاه آزاد اسلامی، نیشابور، ایران
مهدی یوسف زاده
گروه مهندسی کامپیوتر، واحد نیشابور، دانشگاه آزاد اسلامی، نیشابور، ایران
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 :