سامانه هوشمند توصيه رژيم غذايي مبتني بر شبكههاي عصبي مصنوعي و منطق فازي

An Intelligent Artificial Neural Network and Fuzzy Logic-Based Diet Advisory System

مقدمه: تحقيق حاضر با هدف ارايه يك سيستم هوشمند توصيه تغذيه و رژيم غذايي براي كمك به ارزيابي شرايط تغذيه و دانستن نيازمنديهاي غذايي انجام شد. اين برنامه به افراد برنامه غذايي مناسبي را با توجه به وضعيت جسماني مانند سن، قد، وزن و... پيشنهاد مينمايد. روش بررسي: اين مطالعه از نوع توصيفي بود كه بر اساس متغيرهاي ورودي با استفاده از دو روش شبكه عصبي و منطق فازي، برنامه غذايي مناسبي را براي كاربر انتخاب ميكند. جامعه آماري تحقيق را اطلاعات مربوط به پروندههاي سالهاي اخير )سال 1390 به بعد( بيماران يكي از متخصصان تغذيه عضو هيات علمي دانشكده تغذيه دانشگاه علوم پزشكي اصفهان تشكيل داد. تعداد نمونههاي مورد بررسي، 1000 پرونده بود كه به صورت تصادفي انتخاب و در طول چهار ماه، در قالب يك فايل Excel جمعآوري گرديد. يافتهها: با طراحي يك شبكه عصبي مصنوعي سه لايه و آموزش آن با الگوريتم پس انتشار خطا، سيستم قادر به تشخيص مناسبترين برنامه غذايي از بين 11 برنامه غذايي طراحي شده بود. در بخش به كارگيري منطق فازي، با طراحي قواعد از روي مجموعه دادههاي جمعآوري شده سيستم و با به كارگيري نظرات فرد خبره، سامانه توانست برنامه غذايي مناسب را با دقت خوبي تشخيص دهد و پيشنهاد كند. يافتههاي حاصل از پيادهسازيها حاكي از آن بود كه شبكه عصبي طراحي شده با دقت 92 درصد و سيستم طراحي شده با منطق فازي نيز با دقت 97 درصد، قادر است اين عمل را انجام دهد. نتيجهگيري: سيستم تشخيص رژيم غذايي به كمك منطق فازي و شبكه عصبي، قابليت كافي به منظور استفاده در توصيه رژيم غذايي را دارد؛ به طوري كه ميتواند بدون احتياج به صرف هزينه بالا و تنها با وارد كردن اطلاعات شخصي مورد نياز سيستم توسط كاربر، يك برنامه رژيم غذايي كارا به او پيشنهاد دهد

Introduction: The goal of the present study was to develop an automatic and high-performance professional nutrition and diet advisor system to help the users to evaluate their nutrition conditions and get useful nutritional information. The study also aimed to provide users with a healthy meal plan based on their physical conditions such as weight, height, age, etc. Methods: This study was an applied research towards developing an intelligent diet advisor system. We focused on fuzzy logic and artificial neural networks as the means of implementation. The dataset was collected from one thousand patients’ files chosen randomly from the files of the patients referred to a diet clinic in Isfahan City, Iran, between 2011 and 2015. The collected data were entered into excel software during four months of study. Results: The designed three-layered artificial neural system with back propagation algorithm was able to diagnose the best dietary plan among the eleven proposed plans. The designed neural networks were able to work with 92% of accuracy, while the proposed fuzzy logic-based system carried out the procedure with 97% of accuracy. Conclusion: The results of this research indicated that this dietary proposal system using neural networks and the fuzzy logic was sufficient enough to be used to propose appropriate diet and meal plans to individuals. As a result, it could allow the users to receive the very efficient diet plans after entering their personal information easily, accurately, and almost free of charge.