کلاس بندی داده های بیان ژن سرطان بر اساس شبکه عصبی پرسپترون چند لایه با نظارت الگوریتم تکاملی

لزوم استفاده از الگوریتم های یادگیری در پیش بینی و تشخیص بیماری به نحوی که صحت و اعتبار عملکرد آن قابل تضمین باشد مطالعات و تحقیقات جدید را به سوی دستیابی به راه کارهای بهینه در هر دو زمینه پزشکی و دانش کامپیوتر رهنمون کرده است در این راستا بیوانفورماتیک علمی است که توانسته این همکاری را بین محققان این دو رشته به نحو احسن فراهم آورد. در این مقاله ابتدا با استفاده از الگوریتم انتخاب ژن با بیشترین بهره اطلاعاتی تعداد 20 ژن از پایگاه داده سرطان معده انتخاب نموده و سپس با به کارگیری الگوریتم ژنتیک 9 ژن از 20 ژن انتخاب شده و با شبکه عصبی پرسپترون چند لایه با نظارت الگوریتم های تکاملی سلول های سرطانی و سالم را دسته بندی کردیم. نتایج نشان می دهند مدل آموزش داده شده توسط الگوریتم های تکاملی دارای دقت 100% در الگوریتم استعماری و دقت 99.60% در الگوریتم بهینه سازی ازدحام ذرات است.