فایل ورد کامل داده کاوی مجموعه داده سرطان پروستات با استفاده از شبکه های عصبی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل داده کاوی مجموعه داده سرطان پروستات با استفاده از شبکه های عصبی،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۱۰ صفحه

IV. بحث و تبادل نظر
نتایج مطالعه حاضر مشخص می سازند که ترکیب مجموعه های سخت و شبکه عصبی RBF یک نوع دقت دسته بندی با این مجموعه داده فراهم می کند . این می توانست نتیجه حذف افزونگی و اطلاعات متضاد از جدول تصمیم باشد . در انجا با دانش محققان هیچ نوع مطالعه قبلی وجود نداشته است که ترکیب مجموعه های سخت و شبکه های عصبی RFB در این نوع مجموعه داده بررسی شده اند .
ترکیب یک رو.ش قدرتمند برای کاهش ویژگی های غیر آموزنده را فراهم می نماید . دسته کننده حاصله در زمانی ارتقاء یافته است که کاهش ویژگی اعمال گردد و مشخص می نماید که در آنجا داده متضاد در جدول تصمیم وجود داشته است که از فرار بعضی حداقل های محلی درون فضای جستجو در شبکه عصبی RBF جلوگیری کرده است .

عنوان انگلیسی:Data Mining a Prostate Cancer Dataset Using Neural Networks~~en~~

IV. DIscussIoN

The results from this study indicate that the combination of rough sets and the RBF neural network provide an enhanced classification accuracy with this dataset. This could be the result of removing redundancy and conflicting information from the decision table. To the authors knowledge, there has not been any previous study which investigated the combination of rough sets and RBF neural networks on this type of dataset. The combination provides a robust method for reducing non-informative attributes. The resulting classifier was enhanced when the attribute reduction was applied, indicating that there was indeed contradictory data within the decision table that prevented the RBF neural network from escaping some local minimum(a) within the search space.

$$en!!