تشخیص بیماری سرطان سینه با استفاده از شبکه عصبی پرسپترون چند لایه مبتنی بر ماشین با قابلیت یادگیری فوق العاده
محل انتشار: چهارمین کنفرانس ملی و دومین کنفرانس بین المللی پژوهش های کاربردی در مهندسی برق، مکانیک و مکاترونیک
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 576
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ELEMECHCONF04_258
تاریخ نمایه سازی: 11 مرداد 1396
چکیده مقاله:
سرطان سینه یکی از شایعترین انواع سرطان است که در مراحل اولیه بیماری، قابل درمان است. تشخیص زود هنگام و درمان موثر، تنها راه نجات و کاهش مرگ و میر ناشی از سرطان سینه است. طبقه بندی دقیق از تومور سرطان سینه، یک کار مهم در تشخیص پزشکی است. در حوزه یادگیری ماشین، روش های بسیاری برای طبقه بندی ارایه شده است.در این مقاله از شبکه عصبی پرسپترون چند لایه مبتنی بر ماشین با قابلیت یادگیری فوق العاده استفاده شده است. این روش نسبت به الگوریتم های مبتنی بر گرادیان، الگوریتمی سریعتر، با دقت و قابلیت تعمیم فوق العاده در طبقه بندی می باشد. در این الگوریتم، پارامتر های لایه پنهان به صورت تصادفی انتخاب می شوند و وزن های لایه خروجی به صورت تحلیلی از یک سیستم خطی و با استفاده از معکوس تعمیم یافته مور پنروز به دست می آید. نتایج شبیه سازی ها از برتری قابل توجه الگوریتم پیشنهادی نسبت به الگوریتم پس انتشار خطا از نظر سرعت یادگیری و قابلیت تعمیم حکایت می نماید.
نویسندگان
عاطفه سرلک
دانشجو ی کارشناسی ارشد مهندسی برق-کنترل موسسه آموزش عالی پیام گلپایگان
سیدمهدی هاشمی
عضو هیات علمی موسسه آموزش عالی پیام گلپایگان
زهرا عصارزاده
مدرس موسسه آموزش عالی پیام گلپایگان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :