مقایسه مدل شبکه عصبی مصنوعی با مدلهای رگرسیونی دادههای شمارشی در پیش بینی تعداد دفعات اهدای خون
نویسندگان
چکیده مقاله:
Background: Modeling is one of the most important ways for explanation of relationship between dependent and independent response. Since data, related to number of blood donations are discrete, to explain them it is better to use discrete variable distribution like Poison or Negative binomial. This research tries to analyze numerical methods by using neural network approach and compare it by classic statistical methods to choose better way to predict the number of blood donations. Methods: In this study, data were collected from blood donors at the blood center of the Sharekord and then four methods were compared by neural network approach. These methods are: Poisson regression model and its zero inflated, Negative binomial models and its zero inflated.To learn neural network approach, (BFGS) Broyden–Fletcher–Goldfarb–Shanno algorithm was used. To choose the best model, mean-square error (MSE) was used. The best network structure in teaching data was chosen and neural network approach resolution was compared by them, to choose the best approach for prediction the number of blood donations. Results: The MSE for Poisson regression model, Poisson regression with zero inflated, negative binomial and negative binomial with zero inflated are respectively 2.71, 1.54, 0.94 and 1.01. For neural network approach 14:17:1 with activation function of hyperbolic tangent in hidden layer and output layer 0.056 is achieved. Conclusion: The results showed that, according to amount of MSE, neural network approach is the best method with highest accuracy to predict the number of blood donations rather than other methods examined in this article
منابع مشابه
مقایسه نتایج مدلهای آماری و شبکه عصبی در پیش بینی تعداد تصادفات در تقاطعات
تصادفات ترافیکی از عوامل بسیار مهم مرگ ومیر بوده و خسارات و آسیب های شدید جانی و مالی در پی دارند.. تصادفات همچنین آثار و تبعات سنگین اجتماعی، فرهنگی و اقتصادی دارند که موارد ناشی از آنها جوامع بشری را به شدت تاثیر قرار می دهد. اگرچه گسترش روزافزون ترافیک در شهرها موجب افزایش مزایای اقتصادی و رفاهی شده ، اما در مقابل، تعداد و شدت تصادفات ترافیکی را افزایش داده است. براساس مطالعات انجام شده، بخش...
متن کاملپیش بینی سیلاب در زمان واقعی با استفاده از مدلهای رگرسیونی و شبکه های عصبی مصنوعی (مطالعه موردی)
متن کامل
مقایسه عملکرد مدلهای شبکه عصبی مصنوعی واتورگرسیون برداری در پیش بینی شاخص قیمت و بازده نقدی
هدف این مقاله تجزیه و تحلیل های اقتصادی، پیش بینی صحیح و دقیق متغیرهای اقتصادی است. در این زمینه، روشهای مختلفی برای پیش بینی در اقتصاد وجود دارد، که از جمله آنها میتوان به مدلهای رگرسیون ، معادلات همزمان و... اشاره کرد. مدلهای سری زمانی نیز از جمله مدلهای اقتصادی می باشند که در آن پیش بینی مقادیر سری، بیش از هر چیز به عهده خودشان گذاشته می شود اما استفاده از روش های غیر کلاسیک در شناسایی مدل و...
متن کاملارزیابی مدلهای شبکه عصبی مصنوعی ایستا و پویا در پیش بینی قیمت سهام
پیشبینی آینده در عرصه پویای اقتصاد و بازارهای مالی از جمله بازار بورس به یکی از مهمترین مسائل درعلوم مالی ارتقاء یافته است. همچنین، در دههی اخیر مدلهای شبکه عصبی به علت عملکرد واقع بینانهتر اینمدلها مورد توجه محققین قرار گرفته و از انواع مختلف آنها برای پیشبینی استفاده شده است. اکنون این سئوالمطرح است که، کدام یک از این مدلها قدرت بالاتری برای تبیین فرآیندهای آتی بورس را دارا میباشد؟ در( همین ر...
متن کاملکاربرد مدل های شمارشی انباشته در صفر با رویکرد بیزی با هدف شناسایی عوامل مرتبط بر تعداد دفعات معافیت از اهدای مجدد خون در شهرکرد
زمینه و هدف: خون و فرآورده های حاصل از آن جایگاه ویژه ای در نظام سلامت هر کشوری دارد. هدف از این تحقیق، مدل بندی تعداد دفعات معافیت از اهدای خون و شناسایی عوامل موثر بر آن بر اساس مدل های رگرسیون شمارشی انباشته در صفر با رویکرد بیزی است. روش بررسی: داده های تحقیق حاضر برگرفته از یک مطالعه طولی است که در آن 864 اهداکننده خون برای بار اول و حداکثر به مدت 5 سال (از 1387 تا 1391) پیگیری شدند. تعداد...
متن کاملمقایسه قدرت مدل های شبکه عصبی مصنوعی و شبکه عصبی پویا در پیش بینی نرخ ارز: کاربردی از تبدیل موجک
این مطالعه تلاشی است در جهت بهکارگیری ترکیب مدل شبکهی عصبی پویا و تجزیهی موجک جهت میسر نمودن امکان انتخاب یک الگوی بهینه جهت پیشبینی متغیر مذکور میباشد. جهت تحقق این مهم، از دادههای سریزمانی ماهانهی نرخ ارز طی بازهی زمانی فروردین 1377 الی آذر 1391، که مشتمل بر 177 مشاهده بوده که از این بین، تعداد 150 مشاهده جهت مدلسازیها استفاده شده و تعداد 27 مشاهده نیز جهت شبیهسازی و یا به بیان دی...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 22 شماره 131
صفحات 63- 70
تاریخ انتشار 2015-05
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی برای این مقاله ارائه نشده است
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023