research centers


Search results: Found 6

Listing 1 - 6 of 6
Sort by

Article
تهجين أنموذج ماركوف المخفي باستخدام شبكة ايلمان العصبية الاصطناعية مع التطبيق

Author: عمر صابر قاسم
Journal: AL-Rafidain Journal of Computer Sciences and Mathematics مجلة الرافدين لعلوم الحاسوب والرياضيات ISSN: 18154816 Year: 2014 Volume: 11 Issue: 1 Pages: 25-42
Publisher: Mosul University جامعة الموصل

Loading...
Loading...
Abstract

This research aims to improve the performance of the work of hidden Markov model, which is limited to the positive integers as input, and through the use of Elman artificial neural network that have the ability to accept all types of data in the input space. The proposed model has proved that it is highly efficient in the classification of osteoporosis data compared with Elman artificial neural network on the one hand and the hidden Markov model on the other.

يهدف هذا البحث إلى تطوير أداء عمل أنموذج ماركوف المخفي والذي يقتصر على فضاء الإدخال من نوع الأعداد الصحيحة الموجبة, وذلك من خلال استخدام شبكة ايلمان العصبية الاصطناعية التي لها القابلية على تقبل جميع أنواع البيانات في فضاء الإدخال. حيث اثبت الأنموذج المقترح كفاءة عالية في تصنيف بيانات هشاشة العظام مقارنة مع شبكة ايلمان العصبية الاصطناعية من جهة وأنموذج ماركوف المخفي من جهة أخرى.


Article
دراسة رياضية تحليلية لخوارزميات الشبكات العصبية الاصطناعية في ملاءمة نموذج للتشخيص الطبي

Authors: عمر صابر قاسم --- إسراء رستم محمد
Journal: AL-Rafidain Journal of Computer Sciences and Mathematics مجلة الرافدين لعلوم الحاسوب والرياضيات ISSN: 18154816 Year: 2013 Volume: 10 Issue: 1 Pages: 183-194
Publisher: Mosul University جامعة الموصل

Loading...
Loading...
Abstract

In this research discuss the concept of appropriate form, by examining mathematical behavior for three models represent neural networks are (GRNN, BPNN, PNN), were applied two types of medical data are (osteoporosis and weaknesses auditory) and different in the way of classification and spaces Input and output, and show through the application of these data and suitability models with neural networks in terms of the Domain and Range the network (PNN) is the best in the diagnosis of audio data through average MSE, and network (GRNN) is better diagnose bone crisp data (which are more complex) and the network (BPNN) is the most generalization, especially when test data are large compared with the training data.

تم في هذا البحث مناقشة مفهوم ملاءمة النموذج، وذلك بدراسة السلوك الرياضي لثلاثة نماذج تمثل شبكات عصبية هي (GRNN, BPNN, PNN)، كما تم تطبيق نوعين من البيانات الطبية هما (وهن العظام والضعف السمعي) ومختلفين في طريقة التصنيف وفضاءات الإدخال (Input) والإخراج (Output), وتبين من خلال تطبيق هذه البيانات وملاءمتها مع نماذج الشبكات العصبية الاصطناعية من حيث المنطلق (Domain) والمدى (Range) إن شبكة (PNN) هي الأفضل في تشخيص أنماط البيانات السمعية من خلال معدل (MSE)، وان شبكة (GRNN) هي الأفضل في تشخيص أنماط بيانات وهن العظام (التي تكون أكثر تعقيدا) وان شبكة (BPNN) هي الأكثر عمومية (Generalization) خصوصاً عندما تكون أنماط بيانات الاختبار كبيرة مقارنة مع أنماط بيانات التدريب.


Article
Building an expert medical system by using hybrid system between fuzzy logic and artificial neural networks with an application
بناء نظام طبي خبير باستخدام نظام مهجن بين المنطق المضبب والشبكات العصبية الاصطناعية مع التطبيق

Authors: عمر صابر قاسم --- زينب عبد اللطيف رشيد
Journal: IRAOI JOURNAL OF STATISTICAL SCIENCES المجلة العراقية للعلوم الاحصائية ISSN: 1680855X Year: 2013 Volume: 13 Issue: 25عدد خاص بالمؤتمر السادس Pages: 474-487
Publisher: Mosul University جامعة الموصل

Loading...
Loading...
Abstract

Singled out for this research study the issue of fuzzy logic and use in the medical field to set the values estimated for the data thalassemia patients, as well as the research involved a study hybridization fuzzy logic with artificial neural networks and the application form hybrid data and note the accuracy of the results between the two systems, which proved to form hybrid superiority

اختص هذا البحث بدراسة موضوع المنطق المضبب واستخدامه في المجال الطبي لتعيين القيم التقديرية لبيانات مرضى الثلاسيميا, وكذلك أشتمل البحث دراسة تهجين المنطق المضبب بالشبكات العصبية الاصطناعية وتطبيق النموذج المهجن على البيانات وملاحظة مدى دقة النتائج بين النظامين, حيث اثبت النموذج المهجن تفوقا كبيرآ في دقة النتائج مقارنة مع النظام المضبب.

Keywords


Article
تهجين الشبكة المناعية الاصطناعية باستخدام شبكة إنتشارالخطأ خلفاً

Authors: عمر صابر قاسم --- إسراء رستم محمد
Journal: AL-Rafidain Journal of Computer Sciences and Mathematics مجلة الرافدين لعلوم الحاسوب والرياضيات ISSN: 18154816 Year: 2013 Volume: 10 Issue: 4 Pages: 103-114
Publisher: Mosul University جامعة الموصل

Loading...
Loading...
Abstract

In this research building style simulation developed is applied in the field of pattern recognition medical patients osteoporosis through a process of integrating and hybridization between artificial immune network and back propagation neural network, where the focus was on the qualities positive and overcome the negative qualities possessed by each of these two technologies by building technology improved, have proven technical hybrid it with better results and high efficiency in the classification of cases patients osteoporosis compared with both artificial immune network (AIN) and back propagation neural network (BP).

تم في هذا البحث بناء أسلوب محاكاة متطور يتم تطبيقه في مجال التعرف على الأنماط الطبية لمرضى وهن العظام وذلك من خلال إجراء عملية دمج وتهجين بين تقنيتي الشبكة المناعية الاصطناعية (Artificial Immune Network) وشبكة انتشار الخطأ خلفا (Error Back Propagation Neural Network), إذ تم التركيز على الصفات الايجابية والتغلب على الصفات السلبية التي تمتلكها كل من هاتين التقنيتين من خلال بناء تقنية محسنة, وقد أثبتت التقنية المهجنة أنها ذات نتائج أفضل وبكفاءة عالية في تصنيف حالات مرضى وهن العظام مقارنة مع كل من تقنيتي الشبكة المناعية الاصطناعية (AIN) وشبكة انتشار الخطأ خلفا (BP).


Article
تحسين أداء تصنيف تقانة آلة المتجه الداعم باستخدام الخوارزمية الجينية

Authors: عمر صابر قاسم --- محمد علي محمد الوزان
Journal: AL-Rafidain Journal of Computer Sciences and Mathematics مجلة الرافدين لعلوم الحاسوب والرياضيات ISSN: 18154816 Year: 2018 Volume: 12 Issue: 2 Pages: 49-60
Publisher: Mosul University جامعة الموصل

Loading...
Loading...
Abstract

In this research, the genetic algorithm was proposed as a method to find the parameters of support vector machine, specifically the σ and c parameters for kernel and the hyperplane respectively. Based on the Least squares method, the fitness function was built in the genetic algorithm to find the optimal values of the parameters in the proposed method. The proposed method showed better and more efficient results than the classical method of support vector machine which adopts the default or random values of parameters σ and c in the classification of leukemia data.

اقترح في هذا البحث الخوارزمية الجينية(Genetic algorithm) طريقة لإيجاد المعلمات Parameters)) لتقانة آلة المتجه الداعم (Support vector machine) وتحديدا المعلمات σ وc اللتان تمثلان على التوالي معلمة النواة (Kernel)، ومعلمة المستوى الفاصل Hyperplane))، وبالاستناد إلى طريقة المربعات الصغرى ((Least squares بنيت دالة اللياقةFitness function) ) في الخوارزمية الجينية التي يحدد بها أفضل قيم للمعلمات في الطريقة المقترحة، وبالمقارنة مع الطريقة الاعتيادية لتقانة آلة المتجه الداعم التي تعتمد قيم افتراضية أو عشوائية للمعلمات σ وc، تبين أن الطريقة المقترحة ذات نتائج أفضل واكفأ من الطريقة الاعتيادية في تصنيف بيانات مرض اللوكيميا.


Article
A Proposed Method for Feature Selection using a Binary Particle Swarm Optimization Algorithm and Mutual Information Technique
طريقة مقترحة لاختيار الميزات باستخدام خوارزمية أمثلة أسراب الجسيمات الثنائية وتقنية المعلومات المتبادلة

Loading...
Loading...
Abstract

Feature selection is one of the most important issues in improving the data classification process. It greatly influences the accuracy of the classification. There are many evolutionary algorithms used for this purpose, such as the Particle Swarm Optimization (PSO) in discrete space through the Binary PSO concept. The BPSO optimization algorithm derives its mechanism from the default PSO algorithm but in discrete space. In this research, a hybrid approach was proposed between the BPSO algorithm and Mutual Information (MI) to obtain subsets of features through two basic phases: the first is to use the BPSO algorithm to determine the features affecting the data classification process by relying on an objective function. In the second phase, the MI method is used to reduce the number of features identified by the BPSO method. The results of the proposed algorithm have demonstrated efficiency and effectiveness by obtaining higher classification accuracy and using fewer features than default methods.

تعد مسألة اختيار الميزات Feature selection من أهم المسائل المستخدمة في تحسين عملية تصنيف البيانات، اذ تؤثر بشكل كبير على دقة التصنيف، إذ يوجد العديد من الخوارزميات التطورية Evolutionary algorithms التي تستخدم لهذا الغرض، مثل خوارزمية تحسين أسراب الجسيماتParticle swarm optimization (PSO)، بعد تحويلها من الفضاء المستمر Continuous إلى الفضاء المتقطع Discrete من خلال مفهوم Binary PSO، إذ تستمد خوارزمية تحسين سرب الجسيمات الثنائية BPSO آلية عملها من خوارزمية PSO الاعتيادية ولكن في مساحة بحث متقطعة ثنائية. اقترحت في هذا البحث طريقة مهجنة بين خوارزمية BPSO مع تقنية المعلومات المتبادلةMutual information (MI) للحصول على مجموعات فرعية من الميزات من خلال مرحلتين أساسيتين: الأولى هي استخدام خوارزمية BPSO لتحديد الميزات المؤثرة في عملية التصنيف للبيانات بالاعتماد على دالة هدف Objective function مقترحة ، في المرحلة الثانية، تستخدم طريقة المعلومات المتبادلة (MI) لتقليص عدد الميزات التي تم تحديدها من خلال طريقةBPSO ، وقد اثبتت نتائج الخوارزمية المقترحة الكفاءة والفعالية من خلال الحصول على دقة تصنيف أعلى و استخدام ميزات قليلة مقارنة بالطرائق الافتراضية الاعتيادية.

Listing 1 - 6 of 6
Sort by
Narrow your search

Resource type

article (6)


Language

Arabic (6)


Year
From To Submit

2019 (1)

2018 (1)

2014 (1)

2013 (3)