محمد حسین احمدی - دانشجوی کارشناسی،مهندسی فن اوری اطلاعات،دانشگاه علمی کاربردی شهرداری بیارجمند
سید محمد سلیمانی - مربی، گروه فن اوری اطلاعات، دانشگاه علمی کاربردی شهرداری بیارجمند

ما در این پژوهش از شبکه های عصبی مصنوعی تغذیه ی رو به جلو برای توضیح مکانیسم پردازش اطلاعات مغز استفاده نموده ایم.توپولوژی شبکه ی جهان کوچک،خواص شبکه های زندگی حقیقی را برآورده نموده،از اینرو دراین مطالعه،شبکه ی تغذیه رو به جلو رابا توپولوژی جهان کوچک در نظر گرفته و عملکرد آن را بر طبقه بندی صرع بررسی می کنیم.برای به دست آوردن شبکه ی جهان کوچک ازروش واتز- استروگات استفاده کرده وبرای آزمایش عملکرد شبکه ازمجموعه داده های (EEG) حاصل از بیماران مبتلا به صرع وافراد سالم استفاده می کنیم.ما تعداد مختلف نورون ها در هر لایه ی شبکه را نیز مد نظر قرار داده و با مقایسه ی عملکرد دو شبکه،نشان داده می شودکه توپولوژی شبکه ی جهان کوچک واتز- استروگات باعث بهبود عملکرد یادگیری و کاهش زمان آموزش می شودو برای اولین بار درایران از توپولوژی جهان کوچک درشبکه عصبی مصنوعی تغذیه رو به جلو برای طبقه بندی صرع به کار می بریم.

شبکه های عصبی تغذیه ی رو به جلو، شبکه های جهان کوچک، شبکه ی جهان کوچک واتز- استروگات، صرع- EEG