این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مجله علوم پزشکی رازی، جلد ۲۲، شماره ۱۳۱، صفحات ۶۳-۷۰
عنوان فارسی مقایسه مدل شبکه عصبی مصنوعی با مدلهای رگرسیونی دادههای شمارشی در پیش بینی تعداد دفعات اهدای خون
چکیده فارسی مقاله  زمینه و هدف: مدل­بندی یکی از روش‌های مهم برای تبیین رابطه بین متغیر پاسخ و مستقل می‌باشد. از آنجا که داده‌های مربوط به تعداد دفعات اهدای خون به صورت داده‌های شمارشی(گسسته)می‌باشد، جهت تبیین آن­ها مناسب‌تر است که از توزیع‌های متغیرهای گسسته مانند پواسن یا دوجمله‌ای منفی استفاده کرد. هدف از انجام این مطالعه تحلیل مدل‌های شمارشی به روش شبکه عصبی و مقایسه آن با روش‌های آماری کلاسیک و انتخاب بهترین روش برای پیش‌بینی تعداد دفعات اهدای خون می‌باشد. روش کار:در این مطالعه از داده‌های مربوط به اهدای خون که در پایگاه انتقال خون شهر­کرد جمع آوری شده است، استفاده گردید و چهار مدل رگرسیونی پواسن، دوجمله ای منفی و حالت های صفر انبوه آن ها با روش شبکه عصبی مصنوعی مورد مقایسه قرار گرفت. برای آموزش شبکه عصبی مصنوعی از الگوریتم آموزشی BFGS(Broyden–Fletcher–Goldfarb–Shanno algorithm) و برای تعیین مناسب ترین مدل از معیار میانگین مربعات خطا (mean-square error)(MSE) استفاده شد. بهترین ساختار شبکه در داده های آموزش انتخاب و دقت روش شبکه عصبی با بهترین ساختار در داده های آموزش با مدل های رگرسیونی کلاسیک مورد مقایسه قرار گرفت تا بهترین روش برای پیش بینی تعداد دفعات مجدد اهدای خون انتخاب گردد. یافته‌ها: میزان MSE برای مدل های رگرسیونی پواسن، پواسن با صفر انبوه، دوجمله ای منفی و دوجمله ای منفی با صفر انبوه به ترتیب برابر با 71/2، 54/1، 94/0 و 01/1 و برای روش شبکه عصبی مصنوعی14:17:1 با تابع تبدیل تانژانت هایپربولیک هم در لایه میانی و هم در لایه خروجی این معیار 056/0 بدست آمد. نتیجه‌گیری: نتایج مطالعه نشان داد که، با توجه به میزان MSE می­توان روش شبکه عصبی مصنوعی را مناسب­ترین روش با بالاترین دقت جهت پیش­بینی تعداد دفعات اهدای مجدد خون نسبت به مدل های مورد بررسی در این پژوهش دانست.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Comparison of Artificial neural network model with Count data Regression models for Prediction of blood Donation
چکیده انگلیسی 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
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله شیما حقانی | shima haghani
shahrekord university of medical sciences, shahrekord, iran
دانشگاه علوم پزشکی شهر کرد، شهرکرد، ایران
سازمان اصلی تایید شده: دانشگاه علوم پزشکی شهرکرد (Shahr kord university of medical sciences)

مرتضی سدهی | morteza sedahi
shahrekord university of medical sciences, shahrekord, iran
دانشگاه علوم پزشکی شهر کرد، شهرکرد، ایران
سازمان اصلی تایید شده: دانشگاه علوم پزشکی شهرکرد (Shahr kord university of medical sciences)

سلیمان خیری | soleiman kheiri
shahrekord university of medical sciences, shahrekord, iran
دانشگاه علوم پزشکی شهر کرد، شهرکرد، ایران
سازمان اصلی تایید شده: دانشگاه علوم پزشکی شهرکرد (Shahr kord university of medical sciences)

نشانی اینترنتی http://rjms.iums.ac.ir/browse.php?a_code=A-10-2011-2&slc_lang=fa&sid=fa
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده آمار زیستی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات