بهینه سازی مدل شبکه عصبی RBF و روشماشین بردار پشتیبان در تشخیص اختلال وسواس

انتخاب روش مناسب برای مدلسازی و تحلیل دادههای پزشکی، بسیار مهم و در مواردی بسیار حساس است. تحقیق حاضر با توجه به کاربرد شبکه عصبی مصنوعی در تشخیص بیماری، به گوشهای دیگر از قدرتهای شبکه عصبی مصنوعی پرداخته است. با توجه به شیوع اختلال وسواس تشخیص این اختلال به کمک دو مدل ماشین بردار پشتیبان و شبکه عصبی RBF انجام شده است. عملیات تشخیص این اختلال با دسترس بودن اطلاعات اخذ شده از بررسی پروندههای موجود در مراکز روانپزشکی، مصاحبه با روانپزشکان و افراد بیمار و توزیع پرسشنامه مادزلی در میان 621 فرد بیمار و سالم جمع آوری شده است. ورودیهای شبکه یا به عبارتی پارامترهای مؤثر این بیماری در چارچوب 33 پارامتر جمع آوری شدهاند. نتایج نشانمیدهد که با استفاده از 08 درصد دادهها جهت آموزش شبکه، مدل RBF دارای خطای بسیار کمتری نسبت به روشSVM میباشد

کلیدواژه ها:

اختلال وسواس ، شبکه عصبی مصنوعی ، (ANN) ماشین بردار پشتیبان ، (SVM) شبکه عصبی (RBF)