تشخیص تعیین بهترین الگوریتم رژیم در بیماران دیابتی با استفاده از مدل های هوشمند

Publish Year: 1398
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 478

This Paper With 11 Page And PDF and WORD 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

TIETCONF01_012

تاریخ نمایه سازی: 17 دی 1398

Abstract:

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.

Keywords:

بهبود شبکه عصبی پس انتشار , بهینه سازی مبتنی بر رایحه پروانه , تشخیص بیماری دیابت , ارائه سطح رژیم

Authors

فاطمه نریمانی اصل

دانشجو کارشناسی ارشد، گروه کامپیوتر، دانشکده برق و کامپیوتر، دانشگاه ازاد اسلامی، واحد کازرون، کازرون ایران

مهدی تقی زاده

استادیار گروه برق، دانشکده برق و کامپیوتر، دانشگاه ازاد اسلامی، واحد کازرون، کازرون ایران

حمید آزادیان

استادیار گروه برق، دانشکده برق و کامپیوتر، دانشگاه ازاد اسلامی، واحد کازرون، کازرون ایران