پیش بینی شدت آسیبهای کبدی در بیماران کبد چرب بااستفاده از شبکه های عصبی مصنوعی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی شاهرود - دانشکده کامپیوتر و فناوری اطلاعات
- نویسنده نازبخت مرگانپور
- استاد راهنما حمید حسن پور
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1392
چکیده
در سال های اخیر سیستم های هوشمند به طور فزاینده ای مورد توجه واقع شده است که شبکه های عصبی مصنوعی از این مجموعه می باشند. این شبکه ها با پردازش داده های تجربی، قانون نهفته در ورای این اطلاعات را استنتاج می کنند. مدل های شبکه عصبی مصنوعی در مورد فرایندهایی که تعریف دقیق و درک خاصی از آنها وجود ندارد، بسیار موثر عمل می کنند. در این مورد، این امر به اثبات رسیده است که شبکه های عصبی مصنوعی قادر می باشند که هر تابع ریاضی را با دقت قابل قبولی تخمین بزنند. خصوصیت دیگر این مدل ها که آنها را نسبت به سایر روش ها و الگوریتم های دیگر ممتازتر می نماید حساسیت کمتر آنها نسبت به وجود خطا در ورودی ها می باشد این ویژگی ها سبب افزایش رویکرد به این مدل ها در بین انواع مدل های پیش بینی شده است. بهمین دلیل مطالعه محققین این طرح پس از جستجوهای متنوع طرحی را برای پیش بینی پاسخ دهی بیماران به درمان های کبد چرب برپایه ی اطلاعات فردی، بالینی و آزمایشگاهی در گروه های مختلف بیماران را پیشنهاد نمود. دراین پروژه اطلاعات مربوط به تعداد 1464 بیمار با نتیجه درمان مشخص گرد آوری می شود. در مرحله اطلاعات مفید مورد نظر توسط نرم افزارها والگوریتم های مناسب استخراج می گردد. در این تحقیق برای پیش بینی شدت بیماری کبد چرب با استفاده از قابلیتهای مدل شبکه های عصبی مصنوعی(anns) مدل های هوشمندی توسعه داده خواهد شد و دقت پیش بینی و عملکرد آنها در مقایسه با داده های واقعی بررسی خواهد شد. عملکرد این مدلها بدین صورت خواهد بود که با وارد نمودن اطلاعات فرد بیمار به مدل شبکه عصبی مصنوعی، درجه شدت آسیب کبدی پیش بینی خواهد شد. انجام موفق تحقیق حاضر رهیافت نوینی در تعیین شدت آسیب کبدی بیماران بشمار می رود که از ارزش کاربردی بالینی و عملی ویژه ای برای بیماران نیز برخوردار است. شبکه های عصبی مورد استفاده دراین تحقیق ، شبکه های عصبی چندلایه و شبکه های عصبی پایه شعاعی میباشد. زیرا پرسپترون نوعی از شبکه عصبی برمبنای یک واحد محاسباتی به نام پرسپترون ساخته میشود. یک پرسپترون برداری از ورودیهای با مقادیر حقیقی را گرفته و یک ترکیب خطی از این ورودیها را محاسبه میکند. اگر حاصل از یک مقدار آستانه بیشتر بود خروجی پرسپترون برابر با 1 و در غیر اینصورت معادل -1 خواهد بود شبکه های تابع پایه شعاعی رفتاری مشابه شبکه های بیولوژیکی مغز انسان دارد. شبکه ای مرتبط با شبکه پیش خور چند لایه با یک لایه ورودی و الگوریتم آموزش که این مجموعه یکی از قویترین شبکه های عصبی را تشکیل داده است. شبکه rbf نسبت به شبکه پرسپترون پیشخورد چند لایه ساختار ساده تری دارد و از سه لایه ثابت تشکیل شده : لایه ورودی محل ورود داده ها به شبکه , لایه میانی که به لایه rbf نیز معروف است و لایه خروجی که ترکیبی خطی از کلیه خروجی های لایه میانی است.
منابع مشابه
کاربرد شبکه های عصبی مصنوعی در پیش بینی بارش زمستانه
پیشبینی بارش یکی از مهم‌ترین مسائل در زمینه مدیریت بهینه منابع آب در بخش‌های مختلف نظیر صنعت، شرب و کشاورزی است. پیش بینی بارش می تواند باعث جلوگیری از تلفات و خسارات ناشی از بلایای طبیعی شود. هدف از تحقیق حاضر پیشبینی بارش زمستانه استان خراسان رضوی با استفاده از شبکه‌های عصبی مصنوعی میباشد. بدین منظور، ابتدا سری زمانی بارش متوسط منطقه‌ای به روش کریجینگ در طول دوره آماری به دست آورده شد. سپس...
متن کاملمقایسه 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...
متن کاملمدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی
شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...
متن کاملمقایسه عملکرد شبکه های عصبی مصنوعی و شبکه های عصبی موجکی در پیش بینی درصد شکستگی جو در کمباین برداشت
در این تحقیق، نحوه عملکرد شبکه های عصبی موجکی با شبکه های عصبی مصنوعی در پیش بینی درصد شکستگی دانه های جو در کمباین مقایسه شد. شبکه‌های مزبور به صورت تابعی از درجه حرارت هوا، سرعت کوبنده، سرعت پیشروی کمباین، فاصله کوبنده و ضدکوبنده در جلو و عقب واحد کوبنده و درصد رطوبت جو آموزش داده شد. شبکه عصبی موجکی (RASP1) با دقت 2/90 درصد در پیش بینی شکستگی دانه جو به عنوان یک جایگزین مناسب برای شبکه‌های...
متن کاملپیش بینی درماندگی مالی شرکتها با استفاده از شبکه های عصبی مصنوعی
درماندگی مالی،ورشکستگی، هزینه های زیادی به همراه دارد که به اقتصاد یک کشور صدمه وارد می کند. یکی از راه هایی که می تواند به جلوگیری از درماندگی مالی کمک شایان توجهی کند، پیش بینی درماندثی مالی الست. در این پژوهش، با استفاده از شبکه های عصبی مصنوعی (ANN)، به پیش بینی درماندگی مالی شرکت های تولیدی پرداخته شده است. مرور جامعی از مدل های پیش بینی درماندگی مالی، شبکه های عصبی مصنوعی نیز ارایه شده ...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی شاهرود - دانشکده کامپیوتر و فناوری اطلاعات
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023