تشخیص بیماری قلبی براساس الگوریتمPSO GSS-با استفاده از بهینه سازی پارامترهای شبکه عصبی
سال انتشار: 1396
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 676
فایل این مقاله در 13 صفحه با فرمت PDF و WORD 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:
CITCOMP02_405
تاریخ نمایه سازی: 7 اسفند 1396
چکیده مقاله:
بیماری های قلبی و عروقی جز بیماری های جدی و خطرناک محسوب می شود که تشخیص به موقع آن باعث کاهش مرگ و میر وهزینه های درمان خواهد شد. شبکه عصبی یکی از تکنیک های اصلی در داده کاوی برای تشخیص به موقع بیماری ها است. در این مقاله، جهت تشخیص بیماری قلبی ازالگوریتم بهبود یافته GSS-PSO که ترکیبی از الگوریتم بهینه سازی گروه ذرات و جست وجوی طلایی برای بهینه سازی پارامترهای شبکه عصبی استفاده کردیم. این الگوریتم برای تعیین تعداد نرون در لایه پنهان، نرخ یادگیری، نرخ مومنتوم و انتخاب صفات در لایه ورودی شبکه استفاده می شود. دقت کار الگوریتم پیشنهادی 94 درصد بوده که نسبت به روش های موجود بسیار کارآمد است.
کلیدواژه ها:
الگوریتم ممتیک ، الگوریتم جست وجوی طلایی ، الگوریتم بهینه سازی گروه ذرات ، داده های قلبی ، الگوریتم GSS-PSO
نویسندگان
میترا غفاری
گروه مهندسی کامپیوتر، دانشکده کامپیوتر، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران ، ایران
مریم خادمی
استادیار گروه ریاضی کاربردی، دانشکده فنی و مهندسی، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران