مطالعات ناتوانی، جلد ۷، شماره سال ۱۳۹۶، صفحات ۱۹-۱۹
عنوان فارسی پیشنهاد مدلی جهت تشخیص و طبقه‌بندی اختلال‌های یادگیری کودکان استثنایی با استفاده از سیستم‌های خبرهٔ هوشمند
چکیده فارسی مقاله چکیده زمینه و هدف: هدف این پژوهش ارائهٔ مدلی کاملاً هوشمند و مبتنی‌بر تکنیک‌های هوش مصنوعی و یادگیری ماشین جهت تشخیص و طبقه‌بندی اختلال‌های یادگیری کودکان استثنایی است. در این پژوهش ابتدا ضرورت دست‌یابی به سیستمی خبره و طبقه‌بندی‌کننده بررسی شده است. سپس با بررسی کامل مدل‌های ارائه‌‌شدهٔ موفق‌تر در این زمینه، نقاط ضعف و قوت هریک از مدل‌ها بیان شده است. با بررسی مدل‌های مطرح کنونی مشخص شد مدل‌های مبتنی بر تکنیک‌های نرم‌افزاری و هوش مصنوعی به‌علت دسترسی آسان و هزینهٔ کمتر در مقایسه با مدل‌های مبتنی‌بر پردازش سیگنال دیجیتال و پردازش تصویر دیجیتال جهت این نوع طبقه‌بندی‌ها مناسب‌تر هستند؛ بنابراین یک مدل هوشمند ترکیبی با استفاده از نقاط قوت مدل‌های قبلی و مبتنی‌بر تکنیک‌های هوش مصنوعی و یادگیری ماشین پیشنهاد می‌شود. در مدل پیشنهاد‌شده با استفاده از الگوریتم ژنتیک، مجموعه ویژگی‌هایی که در این نوع طبقه‌بندی نقش مؤثرتری دارند به‌صورت هوشمند شناسایی و استخراج می‌شود. این مدل با استفاده از یک سیستم منطق فازی قوانین طبقه‌بندی مذکور را به‌‌صورت هوشمندانه استخراج می‌کند. در پایان نحوهٔ پیاده‌سازی مدل پیشنهادی شرح داده شده است.   
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی A Proposal for a Model for Diagnosis and Classification of Exceptional Children with learning Disabilities by Using Intelligent Expert Systems
چکیده انگلیسی مقاله Abstract Background and objective: The aim of this study is proposing an intelligent model for diagnosis and classification of learning disabilities based on machine learning methods and artificial neural network. Learning disabilities are among the most important and the most complex disabilities in the field of exceptional children's education. Exceptional education is an important area to which computer systems have contributed. Perhaps the first step in the education of exceptional children is the identification and classification of problems that these children face. A lot of research has been carried out regarding the use of machine learning techniques and artificial intelligence in the diagnosis and classification of learning disabilities. Reviewing of related works shows that machine learning techniques and expert systems are helpful to teachers and exceptional education's specialists. Due to complex nature of and large number of learning disabilities, experts find it difficult to diagnose and classify learning disabilities without the help of computers.  Insufficient number of experts raises work pressure and diagnosis delaying. Delaying in learning disabilities diagnosis causes various problems in learning disabilities treatment. The diversity and extent of learning disabilities and insufficient number of experts make an expert system necessary for the diagnosis and classification learning disabilities of children. Methods: In this research firstly, the necessity to develop an expert system for classifying learning disabilities is discussed. Then with reviewing related works, strengths and weaknesses of each model is expressed. Digital signal processing, digital image processing and machine learning are the most cited methods used for learning disabilities classification in previous research.  A review of the literature shows that models based on digital signal processing and digital image processing could not be used for this purpose because they are costly and require controlled conditions for analysis of digital signals and digital images. However, models based on digital signal processing and image processing are highly accurate. Models based on machine learning and artificial intelligence methods are also highly accurate.  In addition, results show models based on artificial intelligence are less costly than models based on digital signal processing and image processing. Therefore, models based on machine learning methods are more appropriate than models based on digital signal processing and image processing for application systems. Artificial neural network could classify learning disabilities with an accuracy of over 85%.  Results: Results show that by using genetic algorithm for feature selection the accuracy of classification can be improved. In addition, by using fuzzy logic system researchers can extract rules of classification. Conclusion: A hybrid intelligent model based on artificial intelligence and machine-learning methods using the strengths of previous models is proposed. The proposed model uses genetic algorithm for feature selection from among a set of features that have the highest impact in classification extracting. In the proposed model learning disabilities are classified with an artificial neural network. This model uses a fuzzy logic system to extracts rules of classification intelligently. The proposed model is highly accurate in classification and implementation simplicity. Finally, implementation of proposed model is explained.  
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله سید محمد مهدی فاطمی بوشهری | seyyed mohammad mehdi fatemi bushehri
department of software engineering, yazd science and research branch, islamic azad university, yazd, iran 2- department of software engineering, yazd branch, islamic azad university, yazd, iran
گروه مهندسی نرم افزار، پردیس علوم و تحقیقات یزد، دانشگاه آزاد اسلامی، یزد، ایران 2- گروه مهندسی نرم افزار، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی یزد (Islamic azad university of yazd)

محسن سرداری زارچی | mohsen sardari zarchi
faculty of engineering, haeri university, meybod, iran
گروه کامپیوتر، دانشکده فنی مهندسی، دانشگاه حائری میبد

نشانی اینترنتی http://jdisabilstud.ir/browse.php?a_code=A-10-551-1&slc_lang=fa&sid=fa
فایل مقاله دریافت فایل مقاله
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده روانشناسی
نوع مقاله منتشر شده نامه‌به‌سردبیر
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات