استفاده از شبكه هاي عصبي در شناسايي سيستم هاي غير خطي
Download
Report
Transcript استفاده از شبكه هاي عصبي در شناسايي سيستم هاي غير خطي
به نام خدا
سمينار درس مدلسازي
استاد :جناب دکتر توحيد خواه
نگارنده :كامران قاصدي
.مباني واصول تئوريك كاربرد شبكه هاي عصبي در شناسايي سيستمها
.مقايسه مدل هاي رگرسيون كاكس و شبكه عصبي در پيش بيني بقاي
بيماران مبتال به سرطان معده
.تشخيص بيماري ديابت به كمك شبكه هاي عصبي
.تشخيص تسلب شريان هاي كرونري با پردازش ديجيتالي صداي قلب
.نتيجه گيري
در دهه هاي گذشته بيشتر پيشرفتها در حوزه شناسايي سيستمهاي خطي
و تغيير ناپذير با زمان بوده است
اما ما در اين سمينار براي شناسايي سيستمهاي غير خطي از شبكه هاي
عصبي استفاده خواهيم كرد
معادله حالت يك سيستم خطي:
معادله حالت يك سيستم غيرخطي:
معادله حالت يك سيستم غيرخطي
در فضاي گسسته:
شماي نورون عصبي:
مدل رياضي نورون عصبي
براي ايجاد شبكه ي عصبي:
شبكه چند اليه پرسپترون
)(MLP
بخش غير
خطي استاتيكي
از نقطه نظر تئوريك
شبكه بازگشتي
)(recurrence net
بخش فيدبك
ديناميكي
تركيب دو شبكه
بازگشتي و MLP
معادالت حالت سيستم هاي
غير خطي
روابط شبكه هاي عصبي
وزنهاي شبكه عصبي=پارامترهاي سيستم
دياگرام سيستم واقعي و مدل:
محاسبه خطا در شناسايي:
در شبكه هاي عصبي خطا معموال از رابطه
ي زير حساب مي شود:
(^2خروجی مطلوب – خروجی شبکه)=E
با مشتق گرفتن تابع خطا نسبت به
ايجاد .وزنها،درصدد يافتن وزنهايي براي
كمترين خطا هستيم
در مدل اول سيستم بر اساس مجموع گزاره اي
خطي از خروجي هاي پيشين و تابع غير خطي از
ورودي هاي پيشين است.
منحني خط چين خروجي مدل است كه تخمين
زننده خروجي واقعي است.
منحني خط چين خروجي مدل است كه
تخمين زننده خروجي واقعي است.
مي بينيم با كاهش دامنه و
فركانس ورودي مدل همچنان
خروجي را مطلوب تخمين ميزند.
در مدل دوم سيستم بر اساس مجموع تابعي
غيرخطي از خروجي هاي پيشين و گزاره اي خطي
ازورودي هاي پيشين است.
منحني خط چين خروجي مدل است كه
تخمين زننده خروجي واقعي است.
منحني خط چين خروجي مدل است كه
تخمين زننده خروجي واقعي است.
مي بينيم با كاهش دامنه و فركانس ورودي
مدل همچنان خروجي را مطلوب تخمين
ميزند.
در مدل سوم سيستم بر اساس مجموع
تابعي غيرخطي از خروجي هاي پيشين و تابع
غيرخطي ديگري ازورودي هاي پيشين است.
منحني خط چين خروجي مدل است كه
تخمين زننده خروجي واقعي است.
منحني خط چين خروجي مدل است كه
تخمين زننده خروجي واقعي است.
مي بينيم با كاهش دامنه و فركانس ورودي
مدل همچنان خروجي را مطلوب تخمين
ميزند.
در مدل چهارم سيستم بر اساس مجموع
تابعي غيرخطي يگانه اي از خروجي هاي
پيشين و ورودي هاي پيشين است.
منحني خط چين خروجي مدل است كه
تخمين زننده خروجي واقعي است.
منحني خط چين خروجي مدل است كه
تخمين زننده خروجي واقعي است.
مي بينيم با كاهش دامنه و فركانس ورودي
مدل همچنان خروجي را مطلوب تخمين
ميزند.
اندازه گيري ها بر روي بيمار مرتبط با وضعيت
خطري است َكه او را تهديد مي كند
شانس بهبودي يا عدم بهبودي بعد از انجام درمان
هاي تجويزي مهم است
احتمال بقاي بيشتر بيمار پس از جراحي يا درمان
نكته مهم براي شروع درمان است
داليل داشتن مدلي
براي پيش بيني
مدل هاي مورد
بررس ي
رگرسيون
كاكس
شبكه ي
عصبي
متغيرهاي
رگرسيون
كاكس
جنس
پاتولوژي
تومور
متاستاز
نقاط دور
دست
سن
سن
سابق ي فاميلي درجه يك
عادات پر خطر
نوع هيستو پاتولوژي
متاستاز غدد لنفاوي
مرحله ي
پيشرفت هيستوپاتو
سرطان
لوژي
متاستاز نقاط دور دست
نوع
متغيرهاي شبكه ي
عصبي
پاتولوژي
تومور
پاتولوژي تومور
متاستاز
نقاط دور
دست
مرحله ي پيشرفت سرطان
سن
متغيرهاي
مورد
مطالعه
بقا
درست
غلط
مرگ
0.2
درست
غلط
0.8
كل
درست
غلط
27.40
%
72.60
%
0.39
0.61
بقا
درست
غلط
مرگ
0.13
درست
غلط
0.87
كل
درست
غلط
18.42
%
81.58
%
0.29
0.71
• يكي از شايع ترين و خطرناك ترين
بيماري هاي شناخته شده در جهان
است
ديابت
• پيش بيني مي شود تا سال 2010بيش
از 220ميليون نفر به اين بيماري مبتال
گردند
گسترش
بيماري
• گرفتگي قلب و عروق،نابينايي،قطع
اعضاي بدن،اختالالت فكري
عوارض
بيماري
روش هاي تكاملي بر پايه ي
الگوريتم ژنتيك
الگوريتم هاي فازي تشخيص
الگو در استخراج ويژگي
روش هاي ارائه شده
روش هاي مبتني بر بيزين
شبكه هاي عصبي كيفيت و صحت بيشترين ارائه داده اند
پرسپترون چند اليه
MLP
RBF
نزديك ترين همسايگي
KNN
شبكه هاي عصبي
مقايسه شده
مجموعه
دادگان
ورودي
شبكه
PIMA indian
diabet dataset
در سايت اينترنتي
دانشگاه كاليفرنيا
تعداد دفعات وضع حمل
فشار دياستوليك
ضخامت پوست ماهيچه ي سه
سر بازويي
انسولين سرم 2ساعته
500زن سالم 268 -زن بيمار
معيار تشخيص ديابت
شاخص جرم بدن
نسبت آزمايش و تعليم
دادگان تعليم
دادگان ازمايش
0.25
0.75
داشتن سابقه ي ديابت
سن
غلظت گلوكز پالسماي خون
انسداد شريان هاي كرونري يكي از داليل اصلي مرگ و مير در بيماران قلبي هستند.
روش تهاجمي
هزينه باال
وقت گير بودن
توانايي آشكارسازي
زود هنگام را
ندارند
ECGالكتروكارديوگرام
UCGاكوكارديوگرافي
X-ray imagingاشعه ايكس
(روش معمول)
آنژيوگرافي
روش هاي رايج غير
تهاجمي
به كمك
شبكه
عصبي
با استفاده
از ابزار
موجك
پردازش
ديجيتال
صداي
قلب
در زمان دياستول ،فشار خون كرونري و در نتيجه
توربوالنس حاصل از آن در مقدار ماكزيمم خود بوده و
سيكل قبل در دوره سكوت خود قرار دارد.
نمونه برداري با نرخ kHZ4و 128ميلي ثانيه( 512نمونه) از بخش مياني
دياستولي براي انجام پردازش مورد استفاده قرار گرفته است
طيف فركانس ي اغلب سيگنال هاي بيولوژيكي ثابت نيستند و به اين
سيگنالها،سيگنالهاي غير ايستان( )non-stationaryمي گويند.
براي آناليز اين سيگنالها از ابزار موجك استفاده مي كنيم
از شبكه ي سه اليه MLPبا استفاده از قانون پس انتشار خطا ()BP
و تابع انتقال تانژانت سيگموئيد براي اليه اول و تابع انتقال خطي در اليه
آخر استفاده مي كنيم
1نرون خروجي
4نرون اليه
پنهان
8گره ورودي
15(30بيمار15-سالم) داده از بانك اطالعاتي 100تايي براي آموزش
شبكه استفاده شدو آموزش ها تا رسيدن ميانگين خطاي موثر به
0.001ادامه مي دهيم
با 70نمونه(40بيمار30-سالم) به آزمايش شبكه مي پردازيم كه 34(%85
از )40براي نمونه هاي بيمار و 27(%90از )3براي نمونه هاي سالم صحت
حاصل گرديد.
6
3
غلط
درست
27
بيمار
34
سالم
40
35
30
25
20
15
10
5
0
همانطور كه مشاهده شد شبكه هاي عصبي ابزاري قدرتمند در
شناسايي سيستمهاي غير خطي هستند،و چون در سيستمهاي
بيو لوژيكي اغلب سيستمها غير خطي هستند،پس شبكه ها
بسيار پر كاربرد نيز هستند.
مطلوب است براي درك و بهره برداري بهتر از اين ابزار و آشنايي
بيشتر با با سيستمهاي غير خطي به مطالعه رياضيات غير خطي
مربوط پرداخت.
. J.C. Principe ” Neural and Adaptive Systems, Fundamental
Through Simulations ” 2000
.1381،““مباني شبكه هاي عصبي،منهاج
.Yazdizadeh, khorasani’’Adaptive time delay neural
network structure for nonlinear system identification’’,2000
.kumpati s.naraenda,kannan parthsarathy,”Identification
and control of dynamical system using neural network
”,1990
.YANG ,HONEVER “feuture subset selection using a Generetic
Algoritm’’ 1998
. 1384،““مقايسه روشهاي مبتني بر هوش مصنوعي،قوچاني،تهامي
. حاجي زاده“مقايسه مدل شبكه عصبي مصنوعي و رگرسيون كاكس در پيش بيني،كاظم نژاد،بيگلريان
1389“بقاي بيماران مبتال به سرطان معده.
. اميرفتاحي“تشخيص غير تهاجمي انسداد شريانهاي كرونري با استفاده از پردازش،صدري،كريمي
1384“ديجيتالي صداهاي قلب
شما
توجه
با تشكر
از