تشخیص تعیین بهترین الگوریتم رژیم در بیماران دیابتی با استفاده از مدل های هوشمند
- سال انتشار: 1398
- محل انتشار: اولین کنفرانس بین المللی توانمندسازی کسب و کارهای فناورانه و راهکارهای پیشرفت در تکنولوژی و مهندسی
- کد COI اختصاصی: TIETCONF01_012
- زبان مقاله: فارسی
- تعداد مشاهده: 626
نویسندگان
دانشجو کارشناسی ارشد، گروه کامپیوتر، دانشکده برق و کامپیوتر، دانشگاه ازاد اسلامی، واحد کازرون، کازرون ایران
استادیار گروه برق، دانشکده برق و کامپیوتر، دانشگاه ازاد اسلامی، واحد کازرون، کازرون ایران
استادیار گروه برق، دانشکده برق و کامپیوتر، دانشگاه ازاد اسلامی، واحد کازرون، کازرون ایران
چکیده
امروزه به دلیل افزایش بیماری دیابت در جامعه، پیداکردن روشی مناسب جهت پیش بینی و جلوگیری از پیشرفت این بیماری با ارائه پیشنهادات رژیمی مناسب در افراد یکی از چالش برانگیز ترین موضوعات در زمینه مدیریت بیماری ها از جمله دیابت می باشد. امروزه بکارگیری شبکه های عصبی از جمله شبکه های پس انتشار برای پیش بینی بیماری در افراد رایج شده است. شبکه های پس انتشار به سادگی در بهینه های محلی گرفتار شده و دارای نرخ همگرایی پایینی هستند، اخیرا به منظور بهبود شبکه های عصبی پس انتشار از الگوریتم های تکاملی استفاده شده است که از جمله ساده ترین و پرکاربردترینشان، روش های ژنتیک و بهینه سازی ازدحام ذرات میباشد. اخیر روش بهینه سازی جدید با نام بهینه سازی مبتنی بر رایحه پروانه که قابل استفاده در حل مسائل مختلف میباشد، پیشنهاد شده است. روش بهینه سازی پروانه به دلیل استفاده از پارامتری با نام سوئیچ و همچنین نحوه انتشار اطلاعات دارای کشف قوی بوده و مقایسه با بهینه سازی ازدحام ذرات برتری دارد. از این رو در این مقاله روش بهینه سازی مبتنی بر رایحه پروانه برای بهبود شبکه عصبی پس انتشار به منظور پیش بینی با دقت بالای افراد مستعد به بیماری دیابت و پیشنهاد سطح رژیم به افراد بیمار پیشنهاد میشود. نتایج اعمال روش پیشنهادی بر روی مجموعه داده pima موجود در مخزن UCI حاکی از عمکلرد بهتر روش پبشنهادی در مقایسه با برخی از روش های مورد مقایسه است.کلیدواژه ها
بهبود شبکه عصبی پس انتشار، بهینه سازی مبتنی بر رایحه پروانه، تشخیص بیماری دیابت، ارائه سطح رژیممقالات مرتبط جدید
- Green Bioprocessing Innovations In Protease Production: Sustainable Waste Utilization, Process Optimization, And Industrial Applications
- اصول، تکنیک ها و کاربردهای جداسازی و خالص سازی پروتئین: یک نگاه جامع
- Green-Synthesized ZnO Nanoparticles Using Calendula Officinalis Extract For Pva-Based Nanocomposite Burn Wound Dressings: Characterization And Mechanical Properties
- مروری جامع بر روش های پردازش سیگنال EMG در بیماران مبتلا به پارکینسون: روندها، چالش ها و جهت گیری های آینده
- A Machine Learning-Based Framework For Energy Optimization In Distributed Edge Computing Systems
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.