کاربرد سیستم های هوشمند در مدل های غیرخطی و پیچیده (مورد مطالعه: بیماری کمکاری غده تیرویید)

با رشد فناوری اطلاعات و روش های تولید و جمع آوری داده ها، پایگاه داده های مربوط به تبادلات تجاری، داده های پزشکی و ... سریع تر از هر روز جمع آوری می شوند. با توجه به این واقعیت، علاقه فزایندهای در توسعه نظری سیستم های پویای هوشمند آزاد از مدل که مبتنی بر دادههای تجربی هستند، ایجاد شده است. شبکه های عصبی (محاسبات نرونی)، منطق فازی (محاسبات تقریبی) و الگوریتم ژنتیک (محاسبات ژنتیکی) جزء مولفه های مهم و اساسی هوش محاسباتی می باشند که هر یک به نوعی مغز را الگو قرار داده اند. در این تحقیق با مطالعه دقیق شبکه های عصبی و الگوریتم ژنتیک اقدام به بررسی میدانی جهت مقایسه این دو رویکرد هوش مصنوعی شد. غده تیرویید جهت بررسی میدانی انتخاب شد. جهت تشخیص بیماری کم کاری غده تیرویید از پایگاه داده موسسه گاروان و موسسه والز سیدنی استرالیا اقدام شد. نتایج حاصل از تحلیل ها نشان داد که از پنج روش پیش بینی بیماری کم کاری تیرویید روش ترکیبی تابع پایه شعاعی و نگاشت خودسازمانده RBF & SOM از نظر قدرت پیش بینی قوی تر از سایر مدل ها عمل کرده است.

کلیدواژه ها:

هوش مصنوعی ، الگوریتم ژنتیک ، شبکه عصبی پرسپترون ، شبکه عصبی تابع پایه شعاعی ، کم کاری غده تیرویید