تشخیص بیماری نارسایی کلیوی با استفاده از شبکه عصبی مصنوعی و رویکردی مبتنی بر الگوریتم ژنتیک


در حال بارگذاری
12 سپتامبر 2024
فایل ورد و پاورپوینت
2120
5 بازدید
۶۹,۷۰۰ تومان
خرید

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

 تشخیص بیماری نارسایی کلیوی با استفاده از شبکه عصبی مصنوعی و رویکردی مبتنی بر الگوریتم ژنتیک دارای ۱۳ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد تشخیص بیماری نارسایی کلیوی با استفاده از شبکه عصبی مصنوعی و رویکردی مبتنی بر الگوریتم ژنتیک  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 تشخیص بیماری نارسایی کلیوی با استفاده از شبکه عصبی مصنوعی و رویکردی مبتنی بر الگوریتم ژنتیک،به هیچ وجه بهم ریختگی وجود ندارد


بخشی از متن تشخیص بیماری نارسایی کلیوی با استفاده از شبکه عصبی مصنوعی و رویکردی مبتنی بر الگوریتم ژنتیک :

تعداد صفحات :۱۳

چکیده مقاله:

هدف: در سال های اخیر بیماری نارسایی کلیه در جهان روند روبه رشدی پیدا کرده است. متاسفانه این بیماری هیچ علایم و نشانه ای نداشته و با گذشت زمان به آرامی پیشرفته میکند و در صورت تشخیص دیرهنگام این بیماری، شخص مبتلا مجبور به انجام دیالیز و پیوند کلیه خواهد بود. از این رو تشخیص به موقع این بیماری به یکی از مسایل چالش برانگیز در این حوزه تبدیل شده است. در این مقاله سعی شده است با استفاده از الگوریتم داده کاوی و تکنیک انتخاب ویژگی های موثر، اقدام به تشخیص زود هنگام این بیماری نمود .روش: روش پیشنهادی شامل سه مرحله اساسی می باشد: در مرحله اول داده های گم شده مدیریت شده و برای ویژگی ها محدوده ای مجاز تعیین میشود. سپس با کمک الگوریتم ژنتیک ویژگی های موثر شناسایی و انتخاب میشوند و در مرحله دوم با استفاده از الگوریتم داده کاوی شبکه عصبی پرسپترون چند لایه، مدلی جهت تشخیص این بیماری ساخته می شود و درمرحله آخر نیز مدل با استفاده از روش اعتبارسنجی منقطع K لایه، اعتبارسنجی شده و سپس با استفاده از پنج معیار دقت، حساسیت، صحت، TP و FP مورد ارزیابی قرار می گیرد .یافته ها: الگوریتم ژنتیک از میان بیست و پنج ویژگی موجود در پایگاه داده ، چهارده ویژگی موثر را شناسایی و انتخاب نمود که بعد از اعمال الگوریتم شبکه عصبی پرسپترون چند لایه ، دقت ۹۵/۵ درصد جهت تشخیص این بیماری حاصل گردید. نتیجه گیری: در نهایت مشخص شد که روش پیشنهادی با دقت ۹۹/۵ درصد، بیشترین دقت را در تشخیص بیماری نارسایی کلیوی در بین روش های دیگر محققان کسب نموده است

  راهنمای خرید:
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.