جلد 22، شماره 131 - ( 2-1394 )                   جلد 22 شماره 131 صفحات 70-63 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Haghani S, Sedahi M, Kheiri S. Comparison of Artificial neural network model with Count data Regression models for Prediction of blood Donation. RJMS 2015; 22 (131) :63-70
URL: http://rjms.iums.ac.ir/article-1-3783-fa.html
حقانی شیما، سدهی مرتضی، خیری سلیمان. مقایسه مدل شبکه عصبی مصنوعی با مدلهای رگرسیونی دادههای شمارشی در پیش بینی تعداد دفعات اهدای خون . مجله علوم پزشکی رازی. 1394; 22 (131) :63-70

URL: http://rjms.iums.ac.ir/article-1-3783-fa.html


دانشگاه علوم پزشکی شهر‌کرد، شهرکرد، ایران ، sedehi56@gmail.com
چکیده:   (6754 مشاهده)
 

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.

 
متن کامل [PDF 226 kb]   (6300 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: آمار زیستی

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به مجله علوم پزشکی رازی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Razi Journal of Medical Sciences

Designed & Developed by : Yektaweb