بهینه کردن شبکه عصبی ELM توسط الگوریتم pso برای تشخیص بیماری صرع
Publish place: Third National Conference on Computer Engineering, Information Technology and Data Processing
Publish Year: 1397
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,275
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CITCOMP03_220
تاریخ نمایه سازی: 31 اردیبهشت 1398
Abstract:
صرع به عنوان اولین اختلال مهم مغزی (پس از سکته مغزی) شناخته شده است. بیماری صرع عبارت است از مجموعهای از اختلالات عصبی مزمن پزشکی بلند مدت که با حمله صرعی مشخص میشود. این حملات ممکن است بسیار خفیف و تقریبا غیر قابل شناسایی بوده یا برعکس طولانی مدت و با لرزش شدید همراه باشد. یکی از روشهای تشخیص بیماری صرع استفاده از سیگنالهای EEG است که بیانگر فعالیتهای مغزی هستند. دراین مقاله شیوه جدیدی جهت تشخیص بیماری صرع ارایه شده است. در این روش، ابتدا ویژگی ها با پردازش سیگنال EEG به دست میآیند، سپس پارامترهای شبکه عصبی ELM با استفاده از الگوریتم ازدحام ذرات PSO بهینه سازی میشوند و در نهایت از شبکه عصبی ELM بهبود یافته به منظور تشخیص بیماری صرع استفاده میشود. نتایج به دست آمده در این مقاله، عملکرد بالای این روش را نشان می دهد.
Keywords:
Authors
مرضیه عالی
گروه فنی مهندسی، دانشکده مهندسی کامپیوتر، واحد میبد، دانشگاه آزاد اسلامی، یزد، ایران
محسن سرداری زارچی
استادیار گروه مهندسی کامپیوتر، واحد میبد، دانشگاه آزاد اسلامی، یزد، ایران