مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

747
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

608
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

تشخیص بهتر سلامت رانندگان با بهره گیری از شبکه عصبی مصنوعی

صفحات

 صفحه شروع 1 | صفحه پایان 12

چکیده

 هدف: عدم کنترل سلامت رانندگان باعث مرگ انسان های سالم در بهترین دوره زندگی از نظر کارایی, تندرستی می شود و هزینه های مالی زیادی را بر کشور تحمیل می کند. هدف این مطالعه طراحی سیستم هوشمند با استفاده از شبکه عصبی MLP و RBF جهت تشخیص سلامت رانندگان است.روش بررسی: 350 نمونه از پرونده رانندگان مراجعه کننده به مرکز طب کار استان ایلام انتخاب گردید, سپس اطلاعات بالینی از پرونده رانندگان بصورت چک لیست با استفاده از نظر متخصصان بر اساس گاید لاین وزارت بهداشت با روش دلفی گردآوری شد. در این مطالعه شبکه های MLP و RBF با تغییراتی در تعداد لایه های میانی, تعداد نرونها و الگوریتم های آموزش MOM و LM و CG به منظور تعیین سلامت راننده به کار گرفته شد. سپس با توجه به معیارهای سطح زیر منحنی راک, حساسیت, ویژگی برتر معرفی گردید.نتایج: در این پژوهش 20 متغیر ورودی و دو متغیر سالم و ناسالم خروجی تعیین گردید. شبکه عصبی MLP و RBF با الگوریتم LM دارای بهترین عملکرد به ترتیب از ویژگی 66.7, 29 درصد, حساسیت 97.2, 100 درصد, صحت 91.1, 86 درصد و سطح زیر منحنی راک برای سیستم عصبی MLP و RBF به ترتیب 91.02 و 88.1 بدست آمد.نتیجه گیری: با توجه به این مطالعه مدل شبکه عصبی MLP با الگوریتم آموزشی LM در مقایسه با سیستم عصبی RBF, در سنجش سلامت رانندگان می تواند نقش موثری در کمک به پزشکان داشته باشد و در مراکز طب کار برای بالا بردن دقت و سرعت و کاهش هزینه ها به کار گرفته شود.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    سرایی، مریم. (1396). تشخیص بهتر سلامت رانندگان با بهره گیری از شبکه عصبی مصنوعی. طب کار، 9(1)، 1-12. SID. https://sid.ir/paper/207096/fa

    Vancouver: کپی

    سرایی مریم. تشخیص بهتر سلامت رانندگان با بهره گیری از شبکه عصبی مصنوعی. طب کار[Internet]. 1396؛9(1):1-12. Available from: https://sid.ir/paper/207096/fa

    IEEE: کپی

    مریم سرایی، “تشخیص بهتر سلامت رانندگان با بهره گیری از شبکه عصبی مصنوعی،” طب کار، vol. 9، no. 1، pp. 1–12، 1396، [Online]. Available: https://sid.ir/paper/207096/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button