مقایسه مدل شبکه عصبی مصنوعی با مدلهای رگرسیونی دادههای شمارشی در پیش بینی تعداد دفعات اهدای خون
Authors
Abstract:
Background: Modeling is one of the most important ways for explanation of relationship between dependent and independent response. Since data, related to number of blood donations are discrete, to explain them it is better to use discrete variable distribution like Poison or Negative binomial. This research tries to analyze numerical methods by using neural network approach and compare it by classic statistical methods to choose better way to predict the number of blood donations. Methods: In this study, data were collected from blood donors at the blood center of the Sharekord and then four methods were compared by neural network approach. These methods are: Poisson regression model and its zero inflated, Negative binomial models and its zero inflated.To learn neural network approach, (BFGS) Broyden–Fletcher–Goldfarb–Shanno algorithm was used. To choose the best model, mean-square error (MSE) was used. The best network structure in teaching data was chosen and neural network approach resolution was compared by them, to choose the best approach for prediction the number of blood donations. Results: The MSE for Poisson regression model, Poisson regression with zero inflated, negative binomial and negative binomial with zero inflated are respectively 2.71, 1.54, 0.94 and 1.01. For neural network approach 14:17:1 with activation function of hyperbolic tangent in hidden layer and output layer 0.056 is achieved. Conclusion: The results showed that, according to amount of MSE, neural network approach is the best method with highest accuracy to predict the number of blood donations rather than other methods examined in this article
similar resources
مقایسه نتایج مدلهای آماری و شبکه عصبی در پیش بینی تعداد تصادفات در تقاطعات
تصادفات ترافیکی از عوامل بسیار مهم مرگ ومیر بوده و خسارات و آسیب های شدید جانی و مالی در پی دارند.. تصادفات همچنین آثار و تبعات سنگین اجتماعی، فرهنگی و اقتصادی دارند که موارد ناشی از آنها جوامع بشری را به شدت تاثیر قرار می دهد. اگرچه گسترش روزافزون ترافیک در شهرها موجب افزایش مزایای اقتصادی و رفاهی شده ، اما در مقابل، تعداد و شدت تصادفات ترافیکی را افزایش داده است. براساس مطالعات انجام شده، بخش...
full textپیش بینی سیلاب در زمان واقعی با استفاده از مدلهای رگرسیونی و شبکه های عصبی مصنوعی (مطالعه موردی)
full text
مقایسه عملکرد مدلهای شبکه عصبی مصنوعی واتورگرسیون برداری در پیش بینی شاخص قیمت و بازده نقدی
هدف این مقاله تجزیه و تحلیل های اقتصادی، پیش بینی صحیح و دقیق متغیرهای اقتصادی است. در این زمینه، روشهای مختلفی برای پیش بینی در اقتصاد وجود دارد، که از جمله آنها میتوان به مدلهای رگرسیون ، معادلات همزمان و... اشاره کرد. مدلهای سری زمانی نیز از جمله مدلهای اقتصادی می باشند که در آن پیش بینی مقادیر سری، بیش از هر چیز به عهده خودشان گذاشته می شود اما استفاده از روش های غیر کلاسیک در شناسایی مدل و...
full textارزیابی مدلهای شبکه عصبی مصنوعی ایستا و پویا در پیش بینی قیمت سهام
پیشبینی آینده در عرصه پویای اقتصاد و بازارهای مالی از جمله بازار بورس به یکی از مهمترین مسائل درعلوم مالی ارتقاء یافته است. همچنین، در دههی اخیر مدلهای شبکه عصبی به علت عملکرد واقع بینانهتر اینمدلها مورد توجه محققین قرار گرفته و از انواع مختلف آنها برای پیشبینی استفاده شده است. اکنون این سئوالمطرح است که، کدام یک از این مدلها قدرت بالاتری برای تبیین فرآیندهای آتی بورس را دارا میباشد؟ در( همین ر...
full textکاربرد مدل های شمارشی انباشته در صفر با رویکرد بیزی با هدف شناسایی عوامل مرتبط بر تعداد دفعات معافیت از اهدای مجدد خون در شهرکرد
زمینه و هدف: خون و فرآورده های حاصل از آن جایگاه ویژه ای در نظام سلامت هر کشوری دارد. هدف از این تحقیق، مدل بندی تعداد دفعات معافیت از اهدای خون و شناسایی عوامل موثر بر آن بر اساس مدل های رگرسیون شمارشی انباشته در صفر با رویکرد بیزی است. روش بررسی: داده های تحقیق حاضر برگرفته از یک مطالعه طولی است که در آن 864 اهداکننده خون برای بار اول و حداکثر به مدت 5 سال (از 1387 تا 1391) پیگیری شدند. تعداد...
full textمقایسه قدرت مدل های شبکه عصبی مصنوعی و شبکه عصبی پویا در پیش بینی نرخ ارز: کاربردی از تبدیل موجک
این مطالعه تلاشی است در جهت بهکارگیری ترکیب مدل شبکهی عصبی پویا و تجزیهی موجک جهت میسر نمودن امکان انتخاب یک الگوی بهینه جهت پیشبینی متغیر مذکور میباشد. جهت تحقق این مهم، از دادههای سریزمانی ماهانهی نرخ ارز طی بازهی زمانی فروردین 1377 الی آذر 1391، که مشتمل بر 177 مشاهده بوده که از این بین، تعداد 150 مشاهده جهت مدلسازیها استفاده شده و تعداد 27 مشاهده نیز جهت شبیهسازی و یا به بیان دی...
full textMy Resources
Journal title
volume 22 issue 131
pages 63- 70
publication date 2015-05
By following a journal you will be notified via email when a new issue of this journal is published.
No Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023