نعیمه نیازی - دانشجوی کارشناسی ارشد مهندسی صنایع گرایش سیستمهای کلان دانشگاه فردوسی مشهد
حمیدرضا کوشا - استادیار گروه مهندسی صنایع دانشکده مهندسی دانشگاه فردوسی مشهد
ملیکا رضایی چایجان - دانشجوی کارشناسی ارشد مهندسی صنایع گرایش بهینهسازی دانشگاه فردوسی مشهد
نازنین فزونی - دانشجوی دکتری مهندسی صنایع گرایش بهینهسازی دانشگاه فردوسی مشهد
نیوشا صهبائی - دانشجوی پزشکی دانشگاه آزاد مشهد

اضطراب یکی از انواع بیماریهای روانی است که اگرچه میتواند به سادگی مهار شود، اما در صورت بیتوجهی به علائم پیشرونده آن، میتواند در زندگی روزمره اختلال ایجاد کند. بنابراین شناخت عوامل ایجادکننده و تشخیص و درمان به موقع آن میتواند بر کیفیت زندگی افراد تاثیر قابل توجهی بگذارد. الگوریتم های طبقه بندی که جزو الگوریتم های یادگیری ماشین با ناظر قرار میگیرند به دنبال ساخت مدلهایی هستند که با اتکا بر داده های قبلی که دارای برچسب هستند، بتوانند برچسب داده های جدید را پیشبینی کنند. در این مقاله پنج روش طبقه بندی برای پیش بینی اختلال اضطراب در مجموعه داده ای شامل ۲۰۲ فرد با ۷۳ ویژگی ازجمله مشخصات فردی و نتایج حاصل از آزمون افسردگی، اضطراب و استرس DASS۲۱ بهکاربرده شده است و با مقایسه نتایج حاصل از عملکرد این روشها مشخص شد که شبکه عصبی با یک لایه پنهان و ۳۲ گره با نرخ صحت ۸۵ درصد، بهترین عملکرد را در پیشبینی اختلال اضطراب در این مجموعه داده دارد.

یادگیری ماشین، طبقه بندی، شبکه عصبی، اضطراب، آزمون افسردگی، اضطراب و استرس DASS۲۱