کاهش میزان خطای ناشی از نرمال‌سازی داده‌ها در تشخیص بیماران قلبی حائز بهبودی کامل به کمک تابع بهینه‌سازی مبتنی بر راستریگین

کاهش میزان خطای ناشی از نرمال‌سازی داده‌ها در تشخیص بیماران قلبی حائز بهبودی کامل به کمک تابع بهینه‌سازی مبتنی بر راستریگین

داوود دانش پژوه1 الهام زادنیا2

1) کارشناسی ارشد مهندسی کامپیوتر با گرایش هوش مصنوعی و رباتیکز، دانشگاه علوم پزشکی مشهد، مشهد، ایران؛
2) کارشناسی ارشد ریاضی کاربردی با گرایش ریاضیات زیستی

کد IOI مقاله : AAHD-ABKKGD
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری (itnaf.ir)
چکیده :
    از آنجا که انتخاب مناسب روش نرمال‌سازی داده‌ها به عنوان یکی از شیوه‌های تبدیل داده‌ها منجر به تضمین کیفیت داده‌ها پیش از به کارگیری هر الگوریتم مبتنی بر یادگیری ماشین است؛ تمرکز این مطالعه بر ارزیابی میزان خطای ناشی از نرمال‌سازی داده‌های بیماران قلبی و معرفی تابع بهینه‌سازی راستریگین و تلفیق آن با متداول‌ترین روش نرمال‌سازی داده‌ها یعنی تابع امتیاز-Z به منظور شناسایی رهیافتی جهت کاهش میزان خطای ناشی از طراحی و اجرای شبکه‌های عصبی مصنوعی می‌باشد.

کلمات کلیدی : نرمال‌سازی داده‌ها یادگیری ماشین شبکه عصبی مصنوعی تابع بهینه‌سازی راستریگین تابع نرمال‌سازی امتیاز z بیماران قلبی