شماره ركورد كنفرانس :
3822
عنوان مقاله :
تأثير يادگيري عميق بر روند طبقهبندي اختلال بيش فعالي و كمبود توجه
پديدآورندگان :
رحيمي سميرا دانشكده فني ومهندسي، دانشگاه آزاد اسلامي واحد كرمانشاه،كرمانشاه، ايران , فرضي سعيد دانشكده كامپيوتر، دانشگاه صنعتي خواجه نصير الدين طوسي، تهران، ايران
كليدواژه :
اختلال بيشفعالي و كمبود توجه , يادگيري عميق , شبكههاي عصبي , شبكههاي باور عميق , ماشين بولتزمان محدود
عنوان كنفرانس :
چهارمين كنفرانس ملي فناوري اطلاعات، كامپيوتر و مخابرات
چكيده فارسي :
اختلال بيش فعالي و كمبود توجه شرايطي را براي كودك ايجاد ميكند كه نتواند آرام و بدون حركت بنشيند، رفتارش را كنترل كرده و توجه خود را به يك موضوع خاص معطوف كند. از هر ۱۰۰ كودك ۵ كودك، مبتلا به اين بيماري ميباشند. پسران سه برابر بيش از دختران در معرض ابتلا به اين عارضه قرار دارند. اغلب اين اختلال قبل از ۷ سالگي آغاز ميشود و ممكن است والدين تا وقتي كه فرزندشان بزرگتر نشده، متوجه مشكل او نگردند. كودكان مبتلا به بيشفعالي و كمبود توجه در معرض خطر بالايي از اختلال رفتار، شخصيت ضد اجتماعي و سوءمصرف مواد مخدر قرار دارند. اكثر كودكان مبتلا به اين بيماري دچار احساس افسردگي، اضطراب و عدم اعتمادبهنفس ميشوند. با توجه به اهميت اين موضوع در اين پژوهش، از شبكههاي باور عميق به عنوان يك مدل يادگيري عميق براي پيشبيني بيماري مذكور استفاده شده است. الگوريتم پيشنهادي روي مجموعه داده استاندارد رقابتهاي جهاني ADHD-200 كه شامل مجموعه داده Neuro Image و NYU است اجراشده و با الگوريتمهاي شناختهشده ديگر مورد مقايسه قرار گرفته است. نتايج به دست آمده نشان ميدهد كه روش پيشنهادي برتري اميدواركننده اي نسبت به ساير الگوريتم هاي شناخته شده و محبوب دارد.