دفاعیه کارشناسی ارشد (برق و کامپیوتر) رائه یک روش بهبود یافته جهت پیش بینی دیابت با استفاده از الگوریتم های یادگیری ماشین بر رو ی پردازنده های GPU
| تاریخ ارسال: 1402/11/16 |
دانشجو: خانم آناهیتا فتحی هفشجانی
استاد راهنما: دکتر سید امیر اصغری
استاد راهنما: دکتر محمدرضا بینش مروستی
زمان: دوشنبه ۱۶ بهمن ماه ۱۴۰۲ ساعت: ۱۱:۰۰
مکان: کرج دانشکده فنی و مهندسی
استاد راهنما: دکتر سید امیر اصغری
استاد راهنما: دکتر محمدرضا بینش مروستی
زمان: دوشنبه ۱۶ بهمن ماه ۱۴۰۲ ساعت: ۱۱:۰۰
مکان: کرج دانشکده فنی و مهندسی
چکیده
پیشبینی دیابت با استفاده از هوش مصنوعی و یادگیری ماشین، یکی از چالش های مهم در حوزه پزشکی و داده کاوی به شمار می آید . با افزایش حجم داده های پزشکی، تحلیل دقیق این اطلاعات از طریق الگوریتم های یادگیری ماشین، بهبود چشمگیر ی در تشخیص زودهنگام و مراقبت از بیماران به ارمغان می آورد. تحقیقات اخیر نشان می دهد که رویکرد مبتنی بر الگوریتم های یادگیری ماشین، توانا یی پیشبینی دقیق بیماری را بسیار افزایش داده است. اما ارتقاء دقت پیشبینی همواره یکی از چالش های اساسی در این زمینه بوده است.پژوهش های گذشته با تالش های فراوان و زیرساخت ها ی ارزشمند ی که فراهم آورده اند، بهبود قابل ملاحظه ای در دقت تشخیص داشته اند. اما با توجه به پیشرفت روزافزون فناوری و تکنولوژی، فرصتی برای بهبود دقت پیشبینی در این زمینه ، در این پژوهش به وجود آمده است. پژوهش های گذشته در این حوزه، ارزشمند بوده و اساساً برای توسعه و بهبود تشخیص دقیق در پژوهش حاضر نقش اساسی ایفا کرده اند. بهره گیری از تجربیات و نتایج پژوهش های گذشته، به پژوهش حال حاضر امکان می دهد تا با بهره مند ی از این پایه ها، روش های بهبود یافته ای را ارائه دهد. این ارتقاءها در روشها و الگوریتم های استفاده شده، به این پژوهش امکان می دهد که به دقت بالاتری در تشخیص بیماریها دست یابد . به این ترتیب، پژوهش حاضر نتایج بهتر ی را می تواند با اعتماد به تجربیات پژوهشهای گذشته، ارائه دهد و گامی موثرتر در جهت بهبود تشخیص دقیق بیماری ها بردارد.این پژوهش با هدف بهبود دقت تشخیص، از فناوری های جدیدی که عبارتند از: .۱ استفاده از متدولوژی های نوین پیش پردازش داده ها، به منظور تحلیل دقیق داده ها با هدف استخراج اطلاعات مفید و معتبر.۲، استفاده از مدل های یادگیر ی عمیق، به منظور بهره مندی از مدل های پیچیده و پیشرفته ای که از ساختار عمیق شبکه های عصبی استفاده می کنند تا الگوهای پیچیده تری را در داده ها شناسایی کنند، .۳ استفاده از مدل های یادگیری ترکیبی الگوریتم های ترکیبی که ترکیبی از شبکه های عصبی عمیق و الگوریتم های کالسیک یادگیری ماشین به منظور بهبود دقت و کارایی در تشخیص و همچنین رفع یکی از چالش های مطالعات پیشین که بیش برازش مدل ها می باشد ، .۴ استفاده از شبکه های عصبی عمیق چند کاناله ، با قابلیت کانال های چندگانه برای درک بهتر ویژگیهای داده ها.۵. تزریق الگوریتم ترکیبی به عنوان یکی از کانال های شبکه عصبی عمیق چند کاناله به منظور جلوگیری از بیش برازش مدل های یادگیری و دستیابی به بالاترین دقت. این ترکیب از فناوری ها و الگوریتم ها توانسته است، دقت تشخیص را %۲ نسبت به مطالعات پیشین، بهبود بخشد. به عبارت دیگر، با بهره گیری از این ترکیبات نوآورانه و پیشرفته، توانسته ایم دقت تشخیص را بهبود دهیم و نتایج بهتری نسبت به مطالعات قبلی کسب کنیم. این بهبود %۲ نشان از اهمیت و اثربخشی استفاده از این رویکردها و فناوریهای پیشرفته در زمینه تشخیص و پردازش داده ها دارد.
مطالب مشابه
دفعات مشاهده: 361 بار |
دفعات چاپ: 21 بار |
دفعات ارسال به دیگران: 0 بار |
0 نظر