مقاله تشخیص بیماری پارکینسون با استفاده از شبکه عصبی خود سازمان ده و ترکیب آن با سیستم منطق فازی و الگوریتم c-means فازی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله تشخیص بیماری پارکینسون با استفاده از شبکه عصبی خود سازمان ده و ترکیب آن با سیستم منطق فازی و الگوریتم c-means فازی دارای ۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله تشخیص بیماری پارکینسون با استفاده از شبکه عصبی خود سازمان ده و ترکیب آن با سیستم منطق فازی و الگوریتم c-means فازی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله تشخیص بیماری پارکینسون با استفاده از شبکه عصبی خود سازمان ده و ترکیب آن با سیستم منطق فازی و الگوریتم c-means فازی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله تشخیص بیماری پارکینسون با استفاده از شبکه عصبی خود سازمان ده و ترکیب آن با سیستم منطق فازی و الگوریتم c-means فازی :

تعداد صفحات:۸
چکیده:
بیماری پارکینسون یک بیماری مخرب دستگاه عصبی است که در آن تخریب صوتی جزء اولین نشانه های بیماری پارکینسون است. با توجه به اهمیت تشخیص زود هنگام این بیماری نورولوژیکی، آنالیز تغییرات ایجاد شده در سیگنالهای صوتی، یکی از راهکارهای مطرح در زمینهتفکیک بیماران پارکینسونی است. در این مقاله به منظور تشخیص بیماران دچار پارکینسون با استفاده از آنالیز سیگناهای صوتی، سه راهکارمبتنی شبکههای عصبی خودسازمانده و ترکیب آن با سیستم منطق فازی و ترکیب با الگوریتمc-means فازی ارائه شده است. در راهکارهای ارائه شده ۱۸ ویژگی آکوستیکی سیگنال صوت، مربوط به سه بخشاصلی سیستم گفتاری، استخراج شدهاند. و برای هر بخش یک شبکه عصبی مجزااستفاده شده است، سپس نوعی رایگیری بین نتایج بدستآمده از هر شبکه انجام شده است. به بیان دیگر تشخیص بیماری یا عدم بیماری بااستفاده از حداکثر رای شبکه های عصبی انجام میگیرد. دادههای انسانی از ۲۲ فرد، ۱۱ فرد سالم و ۱۱ بیمار، اخذ شدهاند. نتایج نشان دادهاند کهمیانگین درصد طبقهبندی بدست آمده بوسیله شبکه های عصبی خود سازمان ده عصبی فازی برابر ۶۷۳۹ درصد و ترکیب این شبکه با الگوریتمc-means برابر ۵۲۱۷ درصد بوده است، که شبکههای عصبی خودسازمانده با میانگین درصد طبقهبندی ۸۱۲۵ عملکرد بهتری داشته اند.