دانش رسان |
مرکز علم و دانش کشور استفاده از روش تحلیل مولفه های اصلی برای افزایش صحت پیش بینی سندرم متابولیک در مدل های شبکه عصبی مصنوعی و رگرسیون لجستیک
در حال بارگذاری
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
استفاده از روش تحلیل مولفه های اصلی برای افزایش صحت پیش بینی سندرم متابولیک در مدل های شبکه عصبی مصنوعی و رگرسیون لجستیک دارای ۱۳ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد استفاده از روش تحلیل مولفه های اصلی برای افزایش صحت پیش بینی سندرم متابولیک در مدل های شبکه عصبی مصنوعی و رگرسیون لجستیک 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 استفاده از روش تحلیل مولفه های اصلی برای افزایش صحت پیش بینی سندرم متابولیک در مدل های شبکه عصبی مصنوعی و رگرسیون لجستیک،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن استفاده از روش تحلیل مولفه های اصلی برای افزایش صحت پیش بینی سندرم متابولیک در مدل های شبکه عصبی مصنوعی و رگرسیون لجستیک :
نام کنفرانس، همایش یا نشریه : مجله دانشگاه علوم پزشکی شهرکرد
تعداد صفحات :۱۳
زمینه و هدف: در فرآیند مدل سازی، زمانی که بین متغیرهای کمکی همبستگی های نسبتا قوی وجود داشته باشد، هم خطی چندگانه ایجاد شده و باعث کاهش کارآیی مدل می گردد. هدف از این مطالعه استفاده از تحلیل مولفه های اصلی برای تعدیل اثر هم خطی چندگانه در مدل های رگرسیون لجستیک و شبکه عصبی مصنوعی و بررسی تاثیر آن بر صحت و دقت پیش بینی سندرم متابولیک بود.روش بررسی: در این مطالعه توصیفی – تحلیلی تعداد ۳۴۷ نفر از افراد شرکت کننده در مطالعه آینده نگر قند و لیپید تهران که در فاز اول مطالعه بر اساس تعریف پانل درمان بالغین (ATPIII) مبتلا به سندرم متابولیک نبودند انتخاب شدند. ابتدا مدل های رگرسیون لجستیک و شبکه عصبی مصنوعی با استفاده از متغیرهای کمکی اولیه و سپس با استفاده از مولفه های اصلی به داده ها برازش گردید و پیش بینی بر اساس این مدل ها انجام شد. از تحلیل راک و آماره کاپا برای مقایسه قدرت پیش بینی مدل ها استفاده گردید.یافته ها: برای مدل های رگرسیون لجستیک، رگرسیون لجستیک با مولفه های اصلی، شبکه عصبی مصنوعی و شبکه عصبی مصنوعی با مولفه های اصلی به ترتیب مساحت زیر منحنی راک ۰.۷۴۹، ۰.۷۹۰، ۰.۸۹۰ و ۰.۹۲۷ به دست آمد، میزان حساسیت مدل ها ۰.۴۸۳، ۰.۴۳۵، ۰.۸۳۶ و ۰.۹۱۹، ویژگی آنها ۰.۸۵۷، ۰.۹۱۹، ۰.۸۹۲ و ۰.۹۶۴ و اندازه آماره کاپا برای مدل ها ۰.۳۲۲، ۰.۳۸۶، ۰.۷۱۲ و ۰.۸۸۶ به دست آمد.نتیجه گیری: تحقیق نشان داد که صحت پیش بینی مدل های بر اساس مولفه های اصلی از مدل های مبتنی بر متغیرهای کمکی اولیه بیشتر بوده و بنابراین در هنگام وجود هم خطی چندگانه، مدل های مبتنی بر مولفه های اصلی برای پیش بینی سندرم متابولیک کاراتر هستند.
کلید واژه: تحلیل مولفه های اصلی، سندرم متابولیک، پیش بینی، شبکه عصبی مصنوعی، رگرسیون لجستیک، هم خطی چندگانه
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
