ارايه ي سيستم تصميم پشتيبان پزشكي بر مبناي نگاشته اي شناختي فازي و محاسبات كوانتومي

كارشناسي ارشد

نگاشت هاي شناختي فازي (FCM) يك تكنيك مدل كردن گرافيكي مي باشند كه از قاعده¬ي تصميم-گيري و استدلال مشابه با آدمي استفاده مي¬نمايند. ساختار گراف گونه ي FCM اجازه¬ي آناليز استاتيك و مدل اجرايي آن، اجازه¬ي آناليز ديناميك را مي دهد. در طي الگوريتم¬هاي يادگيري كه براي FCM توسعه داده شده اند، الگوريتم هاي مبتني بر متخصص داراي ضعف در آناليز ديناميك، الگوريتم هاي كاملا خودكار داراي ضعف در آناليز استاتيك و الگوريتم هاي نيمه خودكار نه به خوبي الگوريتم هاي مبتني بر متخصص در آناليز استاتيك¬اند و نه به خوبي الگوريتم هاي كاملا خودكار در آناليز ديناميك. بنابراين جهت ايجاد قابليت همزمان آناليز استاتيك و ديناميك يك الگوريتم جديد آموزشي به نام نگاشت هاي شناختي فازي كوانتومي QFCM در اين پايان¬نامه ارايه مي شود. الگوريتم QFCM از الگوريتم تكاملي كوانتومي براي ايجاد آناليز استاتيك و از الگوريتم ازدحام ذرات براي ايجاد آناليز ديناميك بهره مي¬برد. در الگوريتم بهينه سازي كوانتومي به جاي اينكه وجود و عدم وجود لينك¬ها با 0 و 1 كد شوند، احتمال وجود و عدم وجود آنها در قالب يك Q-bit (كوچك ترين واحد اطلاعاتي در الگوريتم QEA) مدل مي شود و حالت كوانتومي اين Q-bit بسته به پاسخي كه از آناليز ديناميكي دريافت مي¬شود، بروز مي¬گردد. استفاده از ارائه¬ي احتمالي به جاي 0 و 1 علاوه بر ايجاد تنوع در فضاي پاسخ، باعث فرار از اپتيموم¬هاي محلي زيادي مي شود كه در بحث بهينه سازي ساختار FCM به چشم مي¬خورد. جهت نشان دادن فوايد و كارآيي الگوريتم QFCM، اين الگوريتم را بر روي داده¬هاي مصنوعي و واقعي اعمال نموديم. نتايج حاصل شده، نشان از برتري و رقابتي بودن اين الگوريتم در قياس با ساير الگوريتم هاي جديد در اين حوزه دارد.

191505

دانشگاه علم و صنعت ايران

الكترونيك - سيستم هاي ديجيتال

دكتر كريم محمدي