بهینه سازی شبکه عصبی MLP با استفاده از الگوریتم ژنتیک موازی FinGrain برای تشخیص سرطان سینه

Authors

  • سعید بحرانی خادمی گروه مهندسی کامپیوتر-نرم افزار، واحد بوشهر، دانشگاه آزاد اسلامی، برازجان، ایران
  • علی مبارکی گروه مهندسی کامپیوتر-نرم افزار، واحد بوشهر، دانشگاه آزاد اسلامی، بوشهر، ایران
Abstract:

امروزه استفاده از سیستم‌های هوشمند در تشخیص پزشکی به تدریج در حال افزایش است. این سیستم‌ها می‌توانند به کاهش خطایی که ممکن است توسط کارشناسان کم‌تجربه اتفاق بیافتد، کمک کند. بدین منظور استفاده از سیستم‌های هوشمند مصنوعی در پیش‌بینی و تشخیص سرطان سینه که یکی از رایج‌ترین سرطان‌ها در بین زنان است، مورد توجه می‌باشد. در این تحقیق فرآیند تشخیص بیماری سرطان سینه با یک رویکرد دو مرحله‌ای انجام می‌شود. در مرحله اول دو پارامتر ویژگی‌های موثر و تعداد نودهای لایه مخفی به منظور آموزش شبکه عصبی MLP به صورت همزمان توسط یک الگوریتم ژنتیک بهینه‌سازی می‌شوند. سپس با استفاده از ویژگی-های انتخاب شده و تعداد نودهای لایه مخفی، یک مدل طبقه‌بندی برمبنای شبکه عصبی MLP برای تشخیص بیماری سرطان سینه در مرحله دوم ایجاد می‌شود. در این مرحله از یک الگوریتم ژنتیک موازی FinGrain بر مبنای پارامترهای بهینه‌سازی شده، برای تنظیم وزن‌های شبکه عصبی MLP استفاده می‌شود. ارزیابی آزمایش‌ها نشان می‌دهد که روش پیشنهادی در مقایسه با روش‌های GAANN و CAFS روی مجموعه‌داده WBCD به نتایج بهتری رسیده است و دقت 98.72% را در حالت میانگین گزارش می‌کند.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

استفاده از الگوریتم جغرافیای زیستی در بهینه سازی شبکه عصبی جهت تشخیص سرطان پستان

چکیده مقدمه: در حال حاضر، سرطان پستان از شایع‏ترین بیماری­های زنان است. دسته ‏بندی دقیق تومور سرطان پستان نقش کلیدی را در امر تشخیص پزشکی ایفا می­کند. متخصصین به دنبال روش­های بهینه جهت بهبود تشخیص این تومور می‏ باشند. روش بررسی: در این مطالعه شبکه عصبی مبتنی بر جغرافیای زیستی ارایه گردیده که با استفاده از آنالیز اجزای اصلی در مرحله آماده ‏سازی و بروز رسانی همزمان وزن‏ها موفق به دسته‏بندی داد...

full text

بهینه سازی زمان بندی الگوریتم های موازی با استفاده از الگوریتم ژنتیک

In scheduling, a set of machines in parallel is a setting that is important, from both the theoretical and practical points of view. From the theoretical viewpoint, it is a generalization of the single machine scheduling problem. From the practical point of view the occurrence of resources in parallel is common in real-world. When machines are computers, a parallel program can be conceived as a...

full text

بهینه سازی برشکاری جت آب همراه با ذرات ساینده با استفاده از روش شبکه عصبی - الگوریتم ژنتیک

در این پژوهش، روش شبکه عصبی- الگوریتم ژنتیک برای بهینه سازی صافی سطح در برشکاری شیشه توسط فرآیند برشکاری جت آب همراه با ذرات ساینده پیشنهاد شده است. از شبکه عصبی مصنوعی برای مدل‌سازی و پیش بینی زبری سطح با توجه به پارامترهای فرآیند شامل فشار جت آب، سرعت پیشروی، ‌نرخ ریزش ذرات ساینده و فاصله نازل تا سطح قطعه کار استفاده شده است. مقایسه نتایج به دست آمده از مدل شبکه عصبی با نتایج به دست آمده از آ...

full text

بهینه سازی عملکرد درهم شکستگی تیوب‌های جدار نازک اس شکل با استفاده از شبکه عصبی و الگوریتم ژنتیک

در این مقاله به مطالعه رفتار جذب انرژی سازه‌های تک جداره‌ای اس- شکل با هشت سطح مقطع مختلف از جمله مثلث، مربع، شش ضلعی، هشت ضلعی، دایروی، مستطیلی، لوزوی و بیضوی تحت بارگذاری دینامیکی محوری پرداخته شده است‌. این سازه‌ها در صنعت حمل و نقل به دلیل‌ شکل هندسی مخصوصشان در جاهایی که محدودیت مکانی ایجاب می‌کند مورد استفاده قرار می‌گیرند‌. بدلیل نسبت استحکام به وزن بالای‌ آلومنیوم، جنس سازه‌های ذکر شده ...

full text

مدل‌کردن و بهینه سازی سنتز آنزیمی کافئیک اسید فن اتیل استر با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک

در این تحقیق، واکنش کافئیک اسید و 2- فنیل اتانول در حضور لیپاز تثبیت شده از مخمر آنتارکتیکا (نووزیم 435) به منظور تولید کافئیک اسید فن اتیل استر در سیستم ایزواکتان با استفاده از روش‌های شبکه عصبی مصنوعی و ژنتیک الگوریتم مدل سازی و بهینه گردید. بدین منظور ازیک طرح مرکب مرکزی چرخش پذیر با 4 متغیر و 5 سطح جهت مدل کردن واکنش آنزیمی به کمک شبکه عصبی مصنوعی استفاده شد. متغیرهای مستقل شامل دما، زمان، ...

full text

بهینه سازی زمان بندی الگوریتم های موازی با استفاده از الگوریتم ژنتیک

زمان­بندی مجموعه­ای از ماشین­ های موازی که در یک محیط هستند، هم از نظر تئوری و هم از نظر کاربردی مهم است. از نظر تئوری، تعمیم مساله­ی زمان­بندی یک ماشین است و از نظر کاربردی صحت منابع موازی در جهان واقعی می­باشد. وقتی ماشین ­ها، کامپیوتر باشند یک برنامه ­ی موازی نیاز است زیرا اعضای مجموعه به طور موازی اجرا می ­شوند و این اجرا براساس ارتباطات تقدمی آن­ها است. مزیت اجرای زمان­ بندی وظایف، قدرت مح...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 17  issue 57

pages  12- 12

publication date 2019-06-22

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023