تشخیص و پیش بینی سرطان خون با استفاده از شبکه عصبی مصنوعی (ANN)

اختصاصی از فایلکو تشخیص و پیش بینی سرطان خون با استفاده از شبکه عصبی مصنوعی (ANN) دانلود با لینک مستقیم و پر سرعت .

مقالات علمی پژوهشی کامپیوتر با فرمت    Pdf       صفحات      9

چکیده:
لوسمی )لوکمیا( یکی از شایعترین سرطانها در کودکان است، شامل بیش از یک سوم تمام سرطانهای دوران کودکی. بیمااران تاازه
مبتلا شده در ایالات متحده آمریکا، حدود 51511 مورد تخمین زده شدهاند، و اگر این موارد دیار تشاخید داده شاوند یاا درماان مناسا
اعمال نشود، میتواند کشنده باشد. از آنجا که تشخید سریع و مناس لوسمی بر اساس یافتههای بالینی و یا دارویی )بدون بافت بارداری(
غیر ممکن است، تصمیم گرفتیم برای تشخید فوری لوسمی شبکههای عصبی مصنوعی را به کار ببریم. برای این هدف پارامترهای باالینی
و پزشکی گرفته شده از 595 بیمار در بیمارستان سینا همدان استفاده کردهایم. ما با نرمافزار SPSS برای 93 پارامتر، نمونه آزمون T مستقل
را انجام دادیم. با توجه به نتایج این آنالیز، 3 پارامتر را که کمترین sig را برای آنالیز شبکههای عصبی مصنوعی داشتند )از بین پارامترهاایی
که sig 1 بود( انتخاب کردیم. پارامترهای انتخاب شده از 595 بیمار برای آماوز شابکه باه وسایله الگاوریتم یاادگیری / آنها کمتر از 15
1 بود. ارتباط بین خروجی شبکه آموز دیاده بارای داده هاای - / 1. کارایی یادگیری 132 / لونبرگ مارکارد اعمال شدند، با نرخ یادگیری 5
آزمون و نتایج واقعی دادههای آزمون بالا بود و ناحیه زیر منحنی ROC 1/363 بود. با این نتایج میتوانیم استنتاج کنیم کاه روناد آماوز
دقیق و با موفقیت صورت گرفته است. از این رو میتوانیم از شبکههای عصبی مصنوعی برای تشخید سریع و قابل اعتماد لوسمی اساتفاده
کنیم.
واژگان کلیدی: شبکههای عصبی مصنوعی، سرطان، لوسمی )لوکمیا(، تشخید

انتخاب بهترین پارامترهای شبکه عصبی (ANN) به منظور تخمین داده های بارش ماهانه

اختصاصی از فایلکو انتخاب بهترین پارامترهای شبکه عصبی (ANN) به منظور تخمین داده های بارش ماهانه دانلود با لینک مستقیم و پر سرعت .

• مقاله با عنوان: انتخاب بهترین پارامترهای شبکه عصبی (ANN) به منظور تخمین داده های بارش ماهانه  

• نویسندگان: حامد مازندرانی زاده ، پیمان دانش کار آراسته ، معصومه السادات هاشمی طامه  

• محل انتشار: دهمین کنگره بین المللی مهندسی عمران - دانشگاه تبریز - 15 تا 17 اردیبهشت 94  

• فرمت فایل: PDF و شامل 7 صفحه می باشد.

چکیــــده:

بارندگی یکی از اجزای اصلی چرخه ی هیدرولوژی است. اندازه گیری نقطه ای بارندگی، عدم پراکنش مناسب ایستگاه های هواشناسی و همچنین عدم دسترسی به برخی مناطق برای اندازه گیری باعث پیدایش روش هایی برای برآورد داده های معتبر در مناطق فاقد آمار شده است. شبکه عصبی مصنوعی در چند دهه اخیر و در مطالعات صورت گرفته برای مدلسازی سیستم پیچیده و غیرخطی قابلیت بسیار بالایی از خود نشان داده است. برای این منظور پژوهشی در استان قزوین در 36 ایستگاه هواشناسی در 6 سال آماری انجام شد. سپس با استفاده از مقادیر بارندگی به عنوان خروجی هدف، شبکه های مختلفی با ساختارهای متفاوت تعریف و آموزش داده شد. 20% داده ها به طور تصادفی برای ارزیابی شبکه ها استفاده شد. در نهایت داده های پیش بینی شده توسط شبکه های مختلف با شاخص آماری میانگین انحراف خطا (MBE)، مجموع مربعات خطا (SSE) و ضریب همبستگی (R2) مقایسه شد.

________________________________

** توجه: خواهشمندیم در صورت هرگونه مشکل در روند خرید و دریافت فایل از طریق بخش پشتیبانی در سایت مشکل خود را گزارش دهید. **

** توجه: در صورت مشکل در باز شدن فایل PDF مقالات نام فایل را به انگلیسی Rename کنید. **

** درخواست مقالات کنفرانس‌ها و همایش‌ها: با ارسال عنوان مقالات درخواستی خود به ایمیل [e-mail] پس از قرار گرفتن مقالات در سایت به راحتی اقدام به خرید و دریافت مقالات مورد نظر خود نمایید. **