مدل‌سازی سیستم‌های بیولوژیکی
حسین بانکی کشکی؛ سیدعلی سیدصالحی
دوره 17، شماره 2 ، شهریور 1402، ، صفحه 100-110
چکیده
همآوایی نورونی بعنوان یکی از مهمترین پدیده‌های شناختی مغز انسان، در سال‌های اخیر مورد توجه پژوهشگران قرار گرفته است. پدیده همآوایی اغلب در مدل‌‌های نورونی گسسته و پیوسته یا سیگنال‌های تجربی ثبت‌شده از مغز مورد بررسی قرار می‌گیرد اما در این پژوهش، بر خلاف پژوهش‌های قبلی، پدیده همآوایی برای نخستین بار در وزن‌های شبکه‌های ...
بیشتر
همآوایی نورونی بعنوان یکی از مهمترین پدیده‌های شناختی مغز انسان، در سال‌های اخیر مورد توجه پژوهشگران قرار گرفته است. پدیده همآوایی اغلب در مدل‌‌های نورونی گسسته و پیوسته یا سیگنال‌های تجربی ثبت‌شده از مغز مورد بررسی قرار می‌گیرد اما در این پژوهش، بر خلاف پژوهش‌های قبلی، پدیده همآوایی برای نخستین بار در وزن‌های شبکه‌های عصبی مصنوعی در حال تعلیم مورد بررسی قرار گرفته است. یافتههای پژوهش نشان می‌دهد که همآوایی در وزن‌های این شبکهها، هم در حین یادگیری و هم در حالت بدون یادگیری اتفاق میافتد و از نوع همآوایی عمومی است. همچنین با افزایش میزان یادگیری در شبکه، میزان همآوایی در وزنها نیز افزایش مییابد. در این پژوهش همچنین روشی جدید برای تشخیص الگوهای همآوایی با استفاده از مشتق سیگنال و روش خوشهبندی سلسلهمراتبی ارائه میشود و یک شاخص نیز برای سنجش میزان همآوایی وزنها در لایههای مختلف شبکه عصبی معرفی میگردد. بررسی این شاخص نشان می‌دهد که وزن‌های لایههای نخستین شبکه در مقایسه با لایههای سطوح بالاتر بصورت معناداری همآوایی بیشتری دارند.
پردازش سیگنال‌های حیاتی
رضا سلیمانی؛ سید مجتبی روحانی
دوره 5، شماره 2 ، شهریور 1390، ، صفحه 89-103
چکیده
در این مقاله یک الگوریتم جدید ومؤثر جهت طبقه‌بندی آریتمی‌های مهم قلبی با استفاده از سیگنال تغییرات ضربان قلب HRV که دارای مشخصه‌های آشوبگونه بهتری نسبت به ECG ست پیشنهاد شده است. در مرحله استخراج ویژگی، علاوه بر ویژگی‌های متداول خطی زمانی و فرکانسی، ویژگی‌های غیرخطی (آشوبگون) نیز بررسی شده‌اند. برای تسهیل در تعلیم و افزایش دقت طبقه‌بندی‌کننده، ...
بیشتر
در این مقاله یک الگوریتم جدید ومؤثر جهت طبقه‌بندی آریتمی‌های مهم قلبی با استفاده از سیگنال تغییرات ضربان قلب HRV که دارای مشخصه‌های آشوبگونه بهتری نسبت به ECG ست پیشنهاد شده است. در مرحله استخراج ویژگی، علاوه بر ویژگی‌های متداول خطی زمانی و فرکانسی، ویژگی‌های غیرخطی (آشوبگون) نیز بررسی شده‌اند. برای تسهیل در تعلیم و افزایش دقت طبقه‌بندی‌کننده، از دو تکنیک استفاده شده است: الف) تعداد ویژگی‌های استخراج شده توسط تکنیک آنالیز تمایزی تعمیم‌یافته GDA کاهش یافته است بدون آنکه این کاهش محتوای اطلاعات موجود را تقلیل دهد. ب) به کمک یک نگاشت خودسازمانده SOM برای هر گروه از داده‌ها، داده‌هایی برای تعلیم انتخاب شده‌اند که بیشترین محتوای اطلاعات را در مورد آن گروه داشته باشند. بررسی نتایج نشان می‌دهد که ویژگی‌های آشوبگونه نقش موثری در افزایش دقت سیستم تشخیص آریتمی قلبی دارد بنحوی که دقت کلی روش از حدود 92٪ به 97٪ افزایش یافته است. همچنین این نتایج موید اهمیت بکارگیری تکنیک‌های GDA و SOM به نحو پیش‌گفته است.در مرحله طبقه‌بندی طبقه‌بندهای MLP و SVM و PNN مورد استفاده قرار گرفته و نتایج مقایسه شده است. در این مقاله7 نوع آریتمی مختلف VT, VF, LBBB, CHB, AF, AFL, PVC و نیز گروه ضربانهای طبیعی (NSR) با دقت کلی 97.4 درصد شناسایی و طبقه‌بندی شده‌اند.
