2 نتیجه برای یادگیری ماشین
فرزاد اسکندری،
دوره 5، شماره 2 - ( 6-1397 )
چکیده
در این مقاله براساس الگوی شبکه های بيزی در ساختار مارکوفی و درختی، که يکی از الگوریتم‌های معروف در يادگيری ماشين است، به مطالعۀ عفونت ادراری افراد، که يکی از علايم شايع در ضعف سیستم ایمنی بدن است، پرداخته شده است. در این مقاله یک نمونه در مقیاس بزرگ برای ارزیابی عملکرد الگوریتم شبکه های بیزی انجام شده است. در اين مطالعه 4052 نمونه از بانك اطلاعاتي مربوط به معاونت درمان دانشگاه علوم پزشكي قزوين- مركز بهداشت و درمان شهرستان تاكستان استخراج شد که هم آزمايش تحليل ادرار و هم آزمايش كشت ادرار داشتند. با توجه به اهداف مطالعه و با استفاده از نظر متخصص آزمايشگاه و متخصص ارولوژي 15 متغير انتخاب شد. متغير نوع عفونت ادراری به عنوان پاسخ و 14 متغير ورودی در مدل شبکۀ بيزی با الگوريتم های مختلف تحت بررسی قرار گرفتند. نتایج نشان میدهد روش شبکۀ بيزی با ساختار درختی و انتخاب گام به گام متغيرها تقريباً بدون خطا برای 7/ 99 درصد از دادههای آموزشی، (75 درصد از کل دادهها)، و 8/99 درصد داده های آزمايشی (25درصد از کل داده ها) دارای تشخیص درست است. براساس الگوی شبکه های بیزی، متغیرهای کمکی تأثیرگذار بر عفونت ادراری، افزایش باکتریها و کاهش گلبول های سفید خون در گروه های سنی مختلف به دست آمده است. نتایج این مطالعه در چارچوب یادگیری ماشین و سيستم های هوشمند، میتواند برای تشخیص سریع این بیماری و درمان افراد مشکوک به این بیماری در سطح جامعه بدون حضور فيزيکی استفاده شود
دکتر ابراهیم فانی، دکتر مجتبی مکاری،
دوره 11، شماره 2 - ( 6-1403 )
چکیده
در سال‌های اخیر استفاده از روش‌های یادگیری ماشین در زمینه‌های مختلف کشاورزی در حال افزایش است که این روش‌ها، اطلاعات بسیار خوبی را برای پیشبینی و بررسی سطوح عملکرد مختلف در گیاهان به ما ارائه میدهد. در پژوهش حاضر، با توجه به نتایج حاصل از آزمایش اولیه با سطوح تنش شوری و کوددهی مشخص (سطوح تنش شوری صفر، 75 و 150 میلیمولار کلرید سدیم و سطوح کوددهی صفر و 3 گرم در لیتر سیلیس) که از قبل انجام شده و با استفاده از مدل رگرسیون غیرخطی (NLR) و زبان برنامهنویسی پایتون، صفات مورفولوژیکی و فیزیولوژیکی گیاه دارویی شنبلیله در سطوح تنش شوری و کوددهی سیلیس تعریفشدۀ جدید (شوری تا سطح 300 میلیمولار و کوددهی سیلیس در دو سطح 1 و 2 گرم در لیتر) بدون انجام آزمایش عملی و براساس سطوح شوری و کوددهی اولیه پیشبینی گردید. مدل رگرسیون غیرخطی، یک الگوریتم پرکاربرد در تحلیل داده‌هایی است که رابطه بین متغیرها به صورت غیرخطی است و میتواند روابط معنی داری میان متغیرها با استفاده از توابع غیرخطی ایجاد کند. نتایج نشان داد که تاثیر مثبت سیلیس بر میزان کلروفیل فلورسانس (Fv/Fm) از صفر تا سطح شوری 180 میلیمولار و میزان شاخص سبزینگی (SPAD) از صفر تا سطح حشوری 100 میلیمولار نمایان می‌شود. به نظر میرسد با توجه به نتایج حاصل از پژوهش حاضر، میتوان با استفاده از یادگیری ماشین، صفات مورفولوژیکی و فیزیولوژیکی گیاه دارویی شنبلیله را در سطوح تنش شوری و کوددهی سیلیس تعریفشدۀ دیگر بدون انجام آزمایش عملی، مورد بررسی و تجزیه و تحلیل قرار داد.
