بهبود تشخیص بیماری تیروئید با استفاده از شبکه عصبی خود سازمانده LVQ و منطق فازی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 781
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
COMCONF01_342
تاریخ نمایه سازی: 8 آذر 1394
چکیده مقاله:
یک شبکه عصبی فازی باارتباطات حافظه برای طبقه بندی و ارتباطات وزنی برای گزینش بیماری تیروئید ارایه شده است که بطور همزمان مشکلات عمده درتشخیص الگو را درمدل LVQ ارایه شده درحل می نماید: طبقه بندی الگو و انتخاب ویژگی شبکه پیشنهادی درتلاش است تاویژگیهای مهم دربین ویژگیهای اغازین محتمل و قابل پذیرش ارایه شده را انتخاب نماید درحالیکه ماکزیمم نرخ و میزان تشخیص را حفظ نمایدمقدارحاصله ارتباط وزنی درجه اهمیت ویژگی را نمایش میدهد به علاوه دانش حاصله توسط شبکه به صورت مجموعه ای ازقوانین قابل تفسیر قابل تشریح می باشد میزان تاثیر این روش جدید بااستفاده ازUCI Machine Learning Repository تایید شده است نتایج عبارتنداز: استفاده ازدوویژگی انتخاب شده باروش ما دربین نتایج چهارشبکه اصلی پیشنهاد شده درعملکرد طبقه بندی کننده مشابه مجازی و دوم طبقه بندی کننده ساخته شده توسط سه قانون ساده که ازنوع اگر ـ سپس می باشند تشریح شده اند
کلیدواژه ها:
نویسندگان
بابک کاوسی نیا
دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه آزاد اسلامی واحد بوشهر
مرضیه دادور
دانشجوی دکتری هوش مصنوعی دانشگاه علوم و تحقیقات واحد تهران
سحر ریاحی
دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه آزاد اسلامی واحد بوشهر
صدیقه محمدی
دانشجوی کارشناسی ارشد هوش مصنوعی دانشگاه آزاد اسلامی واحد بوشهر
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :