سینا دامی - استادیار گروه کامپیوتر، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران
سیداحمد طاهرزاده - دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات، واحد تهران غرب تهران، ایران

سیستم های توصیه گر، سیستم های تاثیرگذار در راهنمایی وهدایت کاربر، در میان حجم عظیمی از انتخاب های ممکن، برای رسیدن بهگزینه مفید و موردعلاقه وی هستند به گونه ای که این فرایند، برای همانکاربر، شخصی سازی شده باشد. یادگیری عمیق شاخه ای از یادگیری ماشین ومجموعه ای از الگوریتم هایی است که تلاش می کنند مفاهیم انتزاعی سطحبالا را با استفاده از یادگیری در سطوح و لایه های مختلف مدل کنند.در این پژوهش، سیستم توصیه گر در صنعت پزشکی با استفاده از یادگیریعمیق مبتنی بر شبکه عصبی کانولوشن و بهره گیری از رویکرد اینترنت اشیاءبه منظور شناسایی و درمان بیماری را ارایه کرده ایم. پس از بررسی مفاهیمسیستم های توصیه گر و تعاریف را از این نوع سیستم ها در علت پزشکی بهساختار طراحی این سیستم توصیه گر و الگوریتم آن پرداخته شده است.نتایج آزمایش ها نشان داده که روش پیشنهادی در این پژوهش ازنظر دقتنسبت به سایر روش های پایه، بسیار بهتر عمل کرده و ازنظر بازخوانی نیزتقریبا هم سطح MLP است. ازنظر صحت نیز دارای خروجی خوبی است وبافاصله بسیار کمی از روش RBF قرار دارد. بنابراین ملاحظه می شود کهروش پیشنهادی به طورکلی دارای عملکرد قابل قبولی است.

سیستم های توصیه گر، اینترنت اشیا، یادگیری عمیق، شبکه عصبی کانولوشن