نازنین زهرا جعفری - دانشجوی ارشد کامپیوتر ، دانشکده برق و کامپیوتر، دانشگاه غیرانتفاعی اترک ، قوچان، ایران
سیدهاشم داورپناه - استادیار کامپیوتر ، دانشکده برق و کامپیوتر، دانشگاه غیرانتفاعی اترک ، قوچان، ایران
ایمان ذباح - کامپیوتر ، دانشکده برق و کامپیوتر، دانشگاه آزاد اسلامی واحد تربت حیدریه، تربت حیدریه، ایران
سجاد صادقی - کارشناسی کامپیوتر ، دانشگاه تربت حیدریه، تربت حیدریه، ایران

بیماری عروق کرونر شایعترین بیماری قلبی و از علل اصلی مرگومیر در زنان و مردان است. این مطالعه باهدف بهبود پیش بینی اینبیماری از طریق بهینه سازی معماری های شبکه ی عصبی و ایجاد شبکه ای پویا با استفاده از الگوریتم ژنتیک انجام شده است. این تحقیق از نوع تشخیصی است که بر اساس متغیرهای ورودی بهپیش بینی وضعیت بیماری عروق کرونر قلب می پردازد. جامعه آماری این پژوهش از دادگان UCI موردبررسی و مطالعه قرار گرفت که اطلاعات شامل 13 ویژگی و 303 نمونه می باشد. در این مقاله پیش بینی بیماری عروق کرونر قلب بر اساس شبکه ی عصبی پرسپترون چند لایه صورت گرفته است. پس از مدلسازی و مقایسه مدل های تولیدشده، خطای پیش بینی بیماری کرونر قلب با استفاده از شبکه عصبی با الگوریتم یادگیری لونبرگ مارکوارت 0/258 حاصل گردید. و پس از بهبود معماری شبکه ی عصبی با الگوریتم ژنتیک ضمن افزایش سرعت همگرایی شبکه خطا به 0/177 کاهش یافت.

داده کاوی، شبکه های عصبی مصنوعی، الگوریتم ژنتیک، بیماری کرونر قلب