طبقه‌بندی بار کاری فیزیکی بر مبنای مدل بهینه‌شده از شبکۀ ANFIS با الگوریتم ژنتیک

Authors

  • حبیبی, احسان اله استاد، گروه مهندسی بهداشت حرفه‌ای، دانشکدۀ بهداشت، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران
  • صالحی, مینا کارشناس ارشد بهداشت حرفه‌ای، گروه مهندسی بهداشت حرفه‌ای، دانشکدۀ بهداشت، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران
  • طاهری, علی کارشناس ارشد الکترونیک، گروه مهندسی برق، دانشکدۀ فنی و مهندسی، دانشگاه اصفهان، اصفهان، ایران
  • یادگارفر, قاسم دانشیار، گروه اپیدمیولوژی و آمار زیستی، دانشکدۀ بهداشت، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران
Abstract:

Background: Recently adaptive neuro-fuzzy inference system is used for the classification of physical load based on three parameters including %HRmax, HRrest, and body weight. The aim of this study was to optimize this model to reduce the error and increase the accuracy of the model in the classification of physical load.  Methods: The heart rate and oxygen consumption of 30 healthy men were measured during a step test in the laboratory. The VO2max of the participants was measured directly during a maximal treadmill test. A relationship was observed between the calculated %VO2max which is considered as the gold standard of physical load and the model inputs using ANFIS in MATLAB software version 8.0.0. the genetic algorithm was then applied as an optimization technique to the model. Results: accuracy, sensitivity, and specificity of the model increased after optimization. The average of accuracy accelerated from 92.95% to 97.92%. The RMSE decreased from 5.4186 to 3.1882. Also, in %VO2max estimation, the maximum error of the mode was ±5% after optimization. Conclusion: The results of this study show that the use of Genetic Algorithm during training process can increase the accuracy and decrease the error of ANFIS model in the estimation of%VO2max. . The advantages of this model include high precision, simplicity and applicability in real-world working environments and also interpersonal differences.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

طراحی سیستم کنترلی ANFIS با روش بهینه سازی الگوریتم ژنتیک جهت کنترل ارتعاشات تیر

یکی از ملاحظات مهم در طراحی سازه‌ها، تحلیل ارتعاشات سازه و کنترل آن می‌باشد. از این‌رو نحوه کنترل و فرونشاندن ارتعاشات، یکی از مسائل مهم در طراحی سازه‌ها می‌باشد.همچنین وابستگی بین خواص مکانیکی و الکتریکی مواد پیزوالکتریک باعث شده تا استفاده از این مواد به عنوان حسگر و عملگر برای کنترل پاسخ سازه ها بسیار مناسب باشد. در کار حاضر از سیستم استنتاج فازی عصبی تطبیقی به همراه روش بهینه سازی ژنتیک است...

full text

پخش بار بهینه مقید به پایداری سیگنال کوچک با استفاده از الگوریتم ژنتیک

این مقاله با استفاده از الگوریتم تکاملی ژنتیک به حل پخش بار بهینه با در نظر گرفتن توابع هدف مختلف در شرایط احتمالی متفاوت با محوریت قرار دادن قید پایداری سیگنال کوچک می‌پردازد. هدف نهایی از پخش بار بهینه (OPF)، پیدا کردن نقطه کار بهینه در یک سیستم قدرت با در نظر گرفتن محدودیت‌های موجود می‌باشد. با اضافه کردن قید پایداری سیگنال کوچک به محدودیت‌های پخش بار بهینه می‌توان یک حالت تدافعی و پیشگیرانه...

full text

بهینهجسازی لایهجچینی ورقجهای کامپوزیتی تحت بار ضربهجای کوبش با بهرهجگیری از روش الگوریتم ژنتیک

Optimisation of stacking sequence for composite plates under slamming impact loads using genetic algorithm method is studied in this paper. For this purpose, slamming load is assumed to have a uniform distribution with a triangular-pulse type of intensity function. In order to perform optimisation based on the genetic algorithm method, a special code is written in MATLAB software environment. T...

full text

مقایسه برآورد بار رسوب معلق رودخانه با استفاده از روش‌های رگرسیون‌گیری و الگوریتم ژنتیک

The rivers sediment load is determined using hydrologic methods. In the statistical methods, by measuring the rivers discharge and suspended sediment load in a long-term period, the relationships between the suspended sediment load and discharge is obtained. The aim of this study is to compare different estimation methods of suspended load and select the most appropriate relationship for the pr...

full text

الگوریتم ژنتیک مبتنی بر کد واقعی با جهش هوشمند برای حل مسائل پخش بار اقتصادی غیرمحدب

در این مقاله، یک روش جدید برای حل مسائل پخش بار اقتصادی با استفاده از الگوریتم ژنتیک مبتنی بر کدهای واقعی با جهش هوشمند پیشنهاد می شود. در روش پیشنهادی کنترل لازم بر روی مقادیر مجموع کروموزوم ها صورت می‌گیرد در نتیجه نیازی به استفاده از هزینه جریمه در حل مسئله پخش بار اقتصادی نخواهد بود. این روش بر روی الگوریتم ژنتیک کلاسیک جهت حل مسائل پخش بار اقتصادی غیر محدب پیاده شده است .روش پیشنهادی قابلی...

full text

یک مدل E‌O‌Q برای کالاهای فاسدشدنی با رویکرد الگوریتم ژنتیک

در این نوشتار توسعه‌ی یک مدل کنترل موجودی برای کالاهای فاسدشدنی که در آن، نرخ تقاضا و کمبود به‌طور خطی افزایش می‌یابد، بررسی شده است. از یک تابع توزیع ویبول سه‌پارامتری برای نشان‌دادن زمان خرابی کالاهای فاسدشدنی استفاده می‌شود. با توجه به این که معمولاً تقاضای یک محصول مصرفی با گذشت زمان تغییر می‌کند، تقاضا وابسته به زمان در نظر گرفته شده است. همچنین معمولاً به‌دلایلی در موجودی کمبود رخ می‌دهد. ب...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 5  issue 4

pages  38- 48

publication date 2018-03

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

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023