• درباره ی ما
  • قوانین سایت MATLABDL
  • تماس با ما
شماره تماس: 0165-984-0937 ساعت 10 الی 12 و 15 الی 22 - پاسخگوی تلگرامی
مطلب دی ال
  • خانه
  • انجام پروژه
    • انجام پروژه متلب MATLAB
    • شبیه سازی مقاله
    • انجام پروژه داده کاوی
    • انجام پروژه پردازش تصویر
    • انجام پروژه شبکه عصبی
    • انجام پروژه الگوریتم ژنتیک
    • بهینه سازی با الگوریتم pso
    • انجام پروژه الگوریتم کلونی مورچگان
    • انجام پروژه میکروکنترلر
  • پروژه ها
    • پروژه های آماده
    • پروژه آماده برق
    • پروژه آماده کامپیوتر
    • پروژه آماده مکانیک
    • پروژه های پردازش تصویر
    • پروژه های پردازش متن
    • پروژه های شبیه سازی با متلب
  • آموزش ها
    • آموزش متلب
    • آموزش Python
    • آموزش ++C
    • آموزش Java
    • آموزش #C
    • آموزش VB.NET
    • آموزش Perl
    • پردازش تصویر
    • پردازش صوت و گفتار
    • محاسبات نرم
      • الگوریتم‌های فراابتکاری
      • یادگیری ماشین ، داده‌کاوی و شناسایی آماری الگو
      • منطق فازی
    • طراحی وب سایت
    • پایگاه داده
    • شبکه
  • آکادمی مطلب دی ال
    • پایتون
    • متلب
    • سی پلاس پلاس
  • مطالب و دروس دانشگاهی
    • مهندسی کامپیوتر
    • مهندسی برق
  • پرداخت آنلاین
  • درخواست پروژه
  • دعوت به همکاری
  • منو منو
وبلاگ
بررسی و مقایسه طبقه بند بیز ساده و شبکه عصبی بر روی مجموعه داده pima

بررسی و مقایسه طبقه بند بیز ساده و شبکه عصبی بر روی مجموعه داده pima

27 بهمن 1397/0 دیدگاه /در پروژه ها, پروژه های شبیه سازی با متلب /توسط مدیر سایت

بررسی و مقایسه طبقه بند بیز ساده و شبکه عصبی بر روی مجموعه داده pima ، در این پروژه طبقه بند بیز ساده و شبکه عصبی را بر روی دیتاست pima ارزیابی و سپس با هم مقایسه کرده ایم.این پروژه در نرم افزار متلب پیاده سازی شده است.در ادامه توضیحات کاملتری در مورد پروژه به همراه لینک دانلود این پروژه آورده شده است.

چکیده پروژه بررسی طبقه بند بیز ساده و شبکه عصبی بر روی دیتاست pima

امروزه تشخیص خودکار بیماری ها از اهمیت بالایی برخوردار گشته است. در این بین هدف از تشخیص خودکار بیماری‌ها کمک به شخص تصمیم گیرنده در اتخاذ یک تصمیم مناسب است. یکی از روش‌های موثر در این زمینه روش‌های یادگیری ماشین است. لذا در این پروژه با استفاده از طبقه‌بند بیز ساده و شبکه عصبی مصنوعی عمل تشخیص را در نرم افزار MATLAB پیاده سازی کرده و نتایج را مورد بررسی قرار داده ایم. نتایج نشان می‌دهند در این حالت دسته بندی کننده بیز ساده کارایی بهتری داشته است.

شرح پروژه

در این پروژه هدف تشخیص بیماری دیابت بر اساس مجموعه داده pima به کمک روش ‌های یادگیری ماشین بوده است. ابزارهای مورد استفاده در این پروژه طبقه‌ بند بیز ساده و شبکه عصبی بوده اند که در نرم‎افزار متلب مورد استفاده قرار گرفتند
لینک مجموعه داده:

https://archive.ics.uci.edu/ml/datasets/diabetes

طبقه بند بیز ساده

در مقوله‌ی طبقه‌بندی ما یک الگو (Pattern) داریم و باید آن را در یکی از طبقه‌های C قرار دهیم. همواره تعداد کلاس‌های C از قبل معین است. هر الگوی ورودی به صورت مجموعه‌ای از ویژگی‌ها بیان می‌شود.

طبقه بند بیز ساده

تئوری بیز چگونه کار می‌کند؟

طبقه بند بیز ساده

شبکه های عصبی

شبکه‌های عصبی نوعی مدل‌سازی ساده انگارانه از سیستم‌های عصبی واقعی هستند که کاربرد فراوانی در حل مسائل مختلف در علوم دارند. حوزه کاربرد این شبکه‌ها آنچنان گسترده است که از کاربردهای طبقه‌بندی گرفته تا کاربردهایی نظیر درون‌یابی، تخمین، آشکارسازی و … را شامل می‌شود. شاید مهم‌ترین مزیت این شبکه‌ها، توانایی بالای آن‌ها در کنار سهولت استفاده از آنها باشد.
برای اطلاعات بیشتر در مورد شبکه های عصبی برروی دکمه زیر کلیک کنید

اطلاعات بیشتر در مورد شبکه های عصبی

نتایج به دست آمده

برای پیاده سازی و ارزیابی روش پیشنهادی از روش روش اعتبار سنجی k-fold-CV با مقدار k=10 استفاده کردیم. بر این اساس نتیجه کار بر اساس جدول زیر بوده است.

معیار دقت
۷۶٫۰۳دقت آزمون دسته بندی کننده بیز ساده
۷۶٫۲۷دقت آموزش روی دسته بندی کننده بیز ساده
۷۱٫۰۴دقت آزمون روی شبکه عصبی
۷۰٫۸۱دقت آموزش روی شبکه عصبی

جدول بالا نشان می‌دهد کارایی طبقه بند بیز ساده بهتر از شبکه عصبی مصنوعی بوده است.

کارشناسان وب سایت MATLABDL قادر به انجام پروژه در زمینه های مشابه نیز می باشند.


قیمت پروژه : ۶۰۰۰۰ تومان

600,000 ریال – پرداخت آنلاین نهایی کردن خرید مورد به سبد خرید اضافه شد

حجم : ۱۷۶ کیلوبایت
توضیحات : پیاده سازی در نرم افزار متلب انجام شده است.
کلمات کلیدی: طبقه بند بیز ساده,شبکه عصبی,مقایسه طبقه بند بیز ساده و شبکه عصبی,مجموعه داده pima,تشخیص بیماری دیابت,
منبع : مطلب دی ال
رمز فایل : www.matlabdl.com



برچسب ها: تشخیص بیماری دیابت, شبکه عصبی, طبقه بند بیز ساده, مجموعه داده pima
اشتراک این مطلب
  • اشتراک در Facebook
  • اشتراک در Twitter
  • Share on WhatsApp
  • اشتراک در LinkedIn
https://www.matlabdl.com/wp-content/uploads/2019/02/Naive-Bayes-NN-Pima-post.jpg 320 640 مدیر سایت https://www.matlabdl.com/wp-content/uploads/2018/10/matlabdl-com-logo-new.png مدیر سایت2019-02-16 23:12:402019-02-16 23:44:51بررسی و مقایسه طبقه بند بیز ساده و شبکه عصبی بر روی مجموعه داده pima
شاید این موارد نیز مورد علاقه شما باشد
پروژه پیش بینی قیمت خانه با شبکه عصبی پروژه پیش بینی قیمت خانه با شبکه عصبی
پیش بینی مقاومت گرمایی پارچه های نخی با استفاده از شبکه های عصبی مصنوعی پیش بینی مقاومت گرمایی پارچه های نخی با استفاده از شبکه های عصبی مصنوعی
تشخیص نقاط داخل مربع محاط در دایره با شبکه عصبی تشخیص نقاط داخل مربع محاط در دایره با شبکه عصبی
0 پاسخ

دیدگاه خود را ثبت کنید

تمایل دارید در گفتگوها شرکت کنید؟
در گفتگو ها شرکت کنید.

دیدگاهتان را بنویسید لغو پاسخ

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

سبد خرید

تعداد موارد موجود در سبدخرید: 0

  • سبد خریدتان خالی است.
  • کل: 0 ریال
  • پرداخت

خبرنامه ایمیلی مطلب دی ال

آموزش زبان های برنامه نویسی

آموزش زبان های برنامه نویسی

آموزش زبان های برنامه نویسی

آحرین مطالب

  • پروژه حل پازل اعداد با استفاده از الگوریتم ژنتیک در متلبپروژه حل پازل اعداد با استفاده از الگوریتم ژنتیک در متلب2 اسفند 1399 - 15:54
  • پروژه پیاده سازی PCA و مصورسازی داده های دیتاست های iris ، Wheat Seeds و Abaloneپروژه پیاده سازی PCA و مصورسازی داده های iris ، Seeds و Abalone14 بهمن 1399 - 22:12
  • پروژه پیاده سازی یک سیستم توصیه گر ترکیبی با متلبپروژه پیاده سازی یک سیستم توصیه گر ترکیبی با متلب20 آبان 1399 - 22:22
  • کاربرد هوش مصنوعی در تشخیص اشیا ممنوعه زیر دستگاه x-rayکاربرد هوش مصنوعی در تشخیص اشیا ممنوعه زیر دستگاه x-ray18 آبان 1399 - 15:43
  • تحقیق بررسی راهکارهای مقابله با حمله DoS بر اساس ابزارهای یادگیری ماشینبررسی راهکارهای مقابله با حمله DoS بر اساس ابزارهای یادگیری ماشین6 آبان 1399 - 15:05

آخرین دیدگاه

  • سحر در پروژه پیاده سازی یک سیستم توصیه گر ترکیبی با متلب
  • مدیر سایت در پروژه پیاده سازی یک سیستم توصیه گر ترکیبی با متلب
  • سحر در پروژه پیاده سازی یک سیستم توصیه گر ترکیبی با متلب
  • مدیر سایت در آموزش حلقه for در پایتون | نحوه استفاده از حلقه ها در پایتون
  • علیرضا در آموزش حلقه for در پایتون | نحوه استفاده از حلقه ها در پایتون

مطلب دی ال را در شبکه های اجتماعی دنبال کنید

خانه |پرداخت آنلاین | دعوت به همکاری | قوانین سایت | درباره ما | تماس با ما

تمامي حقوق مادي و معنوي اين وب سايت نزد مطلب دی ال محفوظ بوده و هر گونه کپي برداري از مطالب پيگرد قانوني به همراه دارد!

طراح سایت : CMSDESIGN

کاوش الگوهای پرتکرار با روش Apriori و Fp Growth کاوش الگوهای پرتکرار با روش Apriori و Fp Growth انتخاب ویژگی با روش های فیلتر (فیلتر F-score) انتخاب ویژگی با روش های فیلتر (فیلتر F-score)
رفتن به بالا