تعیین ماکزیمم افق پیش بینی موثر برای رخداد hypotension با استفاده از شبکه های عصبی هوشمند و ویژگی های ترکیبی
پایان نامه
- دانشگاه آزاد اسلامی - دانشگاه آزاد اسلامی واحد تهران مرکزی - دانشکده فنی
- نویسنده مرضیه عباسی نیا
- استاد راهنما فرداد فرخی شهرام جوادی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1392
چکیده
افت حاد فشار خون (ahe) بیماری خطرناکی به شمار می رود و باعث مرگ و میر در بیمارستان می شود. این بیماری، شاخص شایع بسیاری از اختلالات دیگر است و گاهی منجر به حوادث جبران ناپذیری می شود. تحقیقات نشان داده است که تشخیص زود هنگام آن، منجر به مداخله سریع و به موقع پرستاران شده واحتمال زنده ماندن بیمار را نیز افزایش می دهد. بدین منظور این پژوهش به بررسی ایجاد مدلی بر اساس شبکه های عصبی مصنوعی جهت پیش بینی رخداد افت حاد فشار خون در موثرترین زمان ممکن پرداخته است. سری های زمانی فیزیولوژیکی مورد نیاز این پژوهش از پایگاه داده mimic ii انتخاب شده است. چندین تکنیک مختلف با استفاده از ویژگی های آماری حوزه زمان از جمله الگوریتم طبقه بندی کننده k نزدیکترین همسایه، شیکه عصبی پرسپترون چند لایه و شبکه عصبی- فازی به منظور پیش بینی و ارتباط متغیر های فیزیولوژیکی با رخداد افت فشار خون در افق پیش بینی 90 دقیقه ای به کار گرفته شده است. با مشاهده نتایج مدل ها، شبکه عصبی فازی با صحت پیش بینی 87.04% جهت بهبود عملکرد آن انتخاب شده است . در ادامه بردار ویژگی جدیدی با استفاده از تبدیل موجک و الگوریتم تعیین ویژگی های موثر، استخراج شده و صحت پیش بینی الگوریتم به طور چشمگیری با افزودن ویژگی های زمان-مقیاس و انتخاب ویژگی های موثر به مقدار 96.30% افزایش یافته است. این نتایج نشان می دهد که مطالعه و بررسی به موقع پیش زمینه بالینی بیماران در تشخیص زود هنگام بیماری افت حاد فشار خون بسیار سودمند و مفید است.
منابع مشابه
پیش بینی نوسانات بازده بازار با استفاده از مدل های ترکیبی گارچ ـ شبکه عصبی
در این پژوهش به مطالعه توان پیش بینی طیف وسیعی از مدل های ناهمسانی واریانس شرطی (G)ARCH طی یک دوره 126 ماهه بر روی بازده روزانه شاخص کل بورس تهران (TEDPIX) پرداخته شده است. نتایج بررسی این مدل ها تأیید کننده وجود سه ویژگی نوسان خوشه ای، عدم تقارن و نیز غیر خطی بودن، در سری زمانی بازده می باشد. سپس با هدف افزایش قدرت پیش بینی، این مدل ها با شبکه های عصبی مصنوعی ترکیب شده اند و نتایج حاصل از طرق ...
متن کاملارزیابی روش های پیش بینی ترکیبی : با رویکرد شبکه های عصبی - کلاسیک در حوزه اقتصاد
در إین مقاله با استفاده از اطلأعات سری زمانی قیمت و بازده سهام چند شرکت در بازار بورس تهران، به پیش بینی قیمت سهام و نیر ارائه مدل بهینه پرداخته می شود. روشهای پیش بینی مورد استفاده در تحقیق، به سه دسته تقسیم شده اند: ر و شهای پیش بینی براساس مدلهای خطی (کوتاه مدت و بلندمدت)، روشهای پیش بینی براساس مدلهای غیرخطی (شبکه های عصبی غیرخطی) و مدل شبکه عصبی با ساختار پیشنهادی. در هر مورد نتایج به دست...
متن کاملترکیب شبکه های عصبی برای پیش بینی قیمت سهام
در این مقاله، یک مدل ابتکاری با ترکیب شبکه های عصبی مصنوعی (ANN) برای پیش بینی رفتار قیمت سهام پیشنهاد و اجرا می شود. این مدل ترکیبی، به صورت ساختار دو طبقه می باشد: شبکه های عصبی طبقه اول یا پیشگوهای پایه (Base Predictor) مسئول پیش بینی روزانه داده ها با ویژگی مختلف یک سهام می باشند و در طبقه دوم، شبکه دیگر، به عنوان ترکیب کننده پیش بینی نهایی را با بررسی و آنالیز اطلاعات پیشگوهای طبقه اول انج...
متن کاملپیش بینی مصرف انرژی بخش کشاورزی ایران با استفاده از مدل ترکیبی الگوریتم ژنتیک و شبکه های عصبی مصنوعی
هدف از این مقاله ارزیابی الگوی ترکیبی شبکههای عصبی مصنوعی و الگوریتم ژنتیک در پیش بینی تقاضای انرژی بخش کشاورزی ایران میباشد. برای این منظور، از دادههای سالانه مصرف انرژی بخش کشاورزی کشور به عنوان متغیر خروجی مدلهای پیشبینی و از دادههای سالانه جمعیت کل کشور و کل تولیدات بخش کشاورزی کشور به عنوان متغیرهای ورودی مدلهای پیشبینی استفاده شد. در پایان به منظور مقایسه نتایج پیشبینی مدل ترکیبی...
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 @}
نوع سند: پایان نامه
دانشگاه آزاد اسلامی - دانشگاه آزاد اسلامی واحد تهران مرکزی - دانشکده فنی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023