عنوان مقاله :
بهينه سازي شبكه عصبي MLP با استفاده از الگوريتم ژنتيك موازي FinGrain براي تشخيص سرطان سينه
پديد آورندگان :
رضايي پناه، امين دانشگاه رهجويان دانش برازجان، بوشهر , مباركي، علي دانشگاه آزاد اسلامي واحد بوشهر - گروه مهندسي كامپيوتر-نرم افزار , بحراني خادمي، سعيد دانشگاه آزاد اسلامي واحد بوشهر - گروه مهندسي كامپيوتر-نرم افزار، برازجان
كليدواژه :
الگوريتم ژنتيك موازي , تكنيك FineGrain , شبكه عصبي MLP , تشخيص سرطان سينه , ويژگي هاي موثر
چكيده فارسي :
امروزه استفاده از سيستم‌هاي هوشمند در تشخيص پزشكي به تدريج در حال افزايش است. اين سيستم‌ها مي‌توانند به كاهش خطايي كه ممكن است توسط كارشناسان كم‌تجربه اتفاق بيافتد، كمك كند. بدين منظور استفاده از سيستم‌هاي هوشمند مصنوعي در پيش‌بيني و تشخيص سرطان سينه كه يكي از رايج‌ترين سرطان‌ها در بين زنان است، مورد توجه مي‌باشد. در اين تحقيق فرآيند تشخيص بيماري سرطان سينه با يك رويكرد دو مرحله‌اي انجام مي‌شود. در مرحله اول دو پارامتر ويژگي‌هاي موثر و تعداد نودهاي لايه مخفي به منظور آموزش شبكه عصبي MLP به صورت همزمان توسط يك الگوريتم ژنتيك بهينه‌سازي مي‌شوند. سپس با استفاده از ويژگي-هاي انتخاب شده و تعداد نودهاي لايه مخفي، يك مدل طبقه‌بندي برمبناي شبكه عصبي MLP براي تشخيص بيماري سرطان سينه در مرحله دوم ايجاد مي‌شود. در اين مرحله از يك الگوريتم ژنتيك موازي FinGrain بر مبناي پارامترهاي بهينه‌سازي شده، براي تنظيم وزن‌هاي شبكه عصبي MLP استفاده مي‌شود. ارزيابي آزمايش‌ها نشان مي‌دهد كه روش پيشنهادي در مقايسه با روش‌هاي GAANN و CAFS روي مجموعه‌داده WBCD به نتايج بهتري رسيده است و دقت 98.72% را در حالت ميانگين گزارش مي‌كند.
عنوان نشريه :
مدل سازي در مهندسي
