|
|
|
|
|
 |
جستجو در مقالات منتشر شده |
 |
|
8 نتیجه برای مرادی
مریم ترک‌زاده ماهانی، سروش علیمرادی،
جلد 3، شماره 1 - ( 6-1388 )
چکیده
یکی از ابارهایی که برای تعیین اثرات غیرخطی و اثرات متقابل بین متغیرهای تبیینی در یک مدل رگرسیون لوژستیک به کار می‌رود، استفاده از شبکه‌های عصبی واحد ضربی تکاملی است. به منظور براورد پارامترهای مدلی که بدین صورت به دست می‌آید. یک روش ترکیبی مورد استفاده قرار می‌گیرد؛ ین روش از ترکیب دو ابزار بهینه‌ساز کلاسیک و الگوریتم تکاملی ساخته می‌شود. در این ماله ساختار شبکه‌های عصبی به گونه‌ای تغییر داده می‌شود که تمام پارامترهای مدل با یک الگوریتم تکاملی قابل براورد باشند. سپس دو روش براورد مورد مقایسه قرار گرفته و نتایج نشان می‌دهد که براورد پارامترها با الگریتم‌های تکاملی منجر به مدلی می‌شود که از نظر معیار اطلاع آکائیک نسبت به مدل لوژستیک معمولی دقیق‌تر است، اما استفاده از روش ترکیبی، مدل بهتری را نتیجه می‌دهد.
آرزو مجیری، سروش علیمرادی، محمدرضا احمدزاده،
جلد 7، شماره 1 - ( 6-1392 )
چکیده
یک روش آماری رایج برای دسته‌بندی، استفاده از مدلهای رگرسیون لوژستیک است. این روش با درنظرگرفتن اثرات خطی از ویژگیهای افراد یا اشیا به مدل‌سازی احتمالات پسین عضویت در هر دسته می‌پردازد. در عمل این گمان وجود دارد که اثرات غیرخطی ویژگی‌ها می‌توانند نقش موثری در دسته‌بندی صحیح مشاهدات داشته باشند. اما مسئله‌ای که در پی ورود اثرات غیرخطی به مدل لوژستیک مطرح می‌شود، برآوردیابی پارامترها است. تحقیقات در سال‌های اخیر با فرض اثرات غیرخطی مانند اثرات متقابل و توابع پایه شعاعی گاوسی در مدل، برای پاسخ به مسئله برآوردیابی، استفاده ترکیبی از ابزارهایی مانند شبکه‌های عصبی تکاملی و روشهای برآوردیابی ماکسیمم درستنمایی را پیشنهاد کرده‌اند. در این مقاله نوعی از توابع پایه شعاعی با نام توابع چندربعی معکوس به عنوان اثرات غیرخطی در مدل لوژستیک در نظر گرفته می‌شود و با روش ترکیبی، پارامترهای مدل برآورد می‌شوند. آزمایشات تجربی برای مقایسه مدلهای پیشنهادی در این مقاله، با استفاده از دادههای پزشکی و دادههای واقعی مربوط به یک کارخانه تولید فولاد انجام گرفته است. نتایج نشان می‌دهد که حضور توابع چندربعی معکوس نسبت به توابع گاوسی در مدل، میتواند باعث افزایش دقت دسته‌بندی شود
نسرین مرادی، عبدالرضا سیاره، هانیه پناهی،
جلد 8، شماره 1 - ( 6-1393 )
چکیده
در این مقاله پارامترهای توزیع بور نوع سوم نمایی تحت داده های سانسوریده نوع دوم با روش ماکسیمم درستنمایی با الگوریتم امید میانگین و با رهیافت بیزی با در نظر گرفتن توزیع پیشین گاما و توابع زیان توان دوم خطا، لاینکس و آنتروپی برآورد شده اند. از روش نمونه گیری از نقاط مهم و تقریب لیندلی برای تقریب برآوردهای بیزی استفاده شده و برآوردگر بیزی حاصل با برآوردگر ماکسیمم درستنمایی مقایسه شده است. نتایج به کمک مطالعه شبیه سازی و تحلیل داده های واقعی مربوط به بیماری سرطان گلبول های سفید بررسی شده است. در حالت کلی برآوردگر بیزی بهتر از برآوردگر ماکسیمم درستنمایی عمل می کند و برآورد پارامترها با افزایش حجم نمونه بهتر می شود
علی دوستمرادی، محمدرضا زادکرمی، محمدرضا آخوند، عارف خنجری عیدنک،
جلد 8، شماره 2 - ( 12-1393 )
چکیده
در این مقاله توزیعی جدید بر مبنای توزیع وایبول ارائه می‌شود و سپس خواص این توزیع جدید مورد بررسی قرار گرفته و با استفاده از یک مجموعه داده واقعی با برخی توزیع های تعمیم‌یافته توزیع وایبول مورد مقایسه قرار می‌گیرد.
علی دوستمرادی، محمدرضا زادکرمی، عارف خنجری عیدنک، زهرا فریدونی،
جلد 10، شماره 1 - ( 6-1395 )
چکیده
در این مقاله توزیعی جدید بر مبنای توزیع وایبول ارائه می‌شود. این توزیع دارای سه پارامتر است که نرخ شکست‌های صعودی، نزولی، وان شکل، تک‌مدی و صعودی نزولی صعودی را شامل می‌شود. سپس خواص توزیع مورد بررسی قرار می‌گیرد آنگاه با استفاده از یک مجموعه داده واقعی ویژگیهای آن با برخی از تعمیم‌های توزیع وایبول مقایسه می‌شود.
مجتبی مرادی،
جلد 11، شماره 2 - ( 12-1396 )
چکیده
عدد پایه تکثیر، متوسط تعداد افرادی است که توسط یک فرد مبتلا به یک بیماری واگیردار، به آن بیماری مبتلا می‌شوند. از لحاظ علم پزشکی، برآورد عدد پایه تکثیر از دیرباز دارای اهمیت ویژه‌ای بوده است. در این مقاله با استفاده از فرایند شاخه‌ای روشی جدید برای برآورد آن معرفی می‌شود و در انتها، این روش برای دادههای ارائه شده توسط مرکز ملی اطلاعات بیوتکنولوژی آمریکا به کار گرفته می‌شود.
محمود افشاری، ابوذر بازیاری، یگانه مرادیان، حمید کرمی کبیر،
جلد 14، شماره 2 - ( 12-1399 )
چکیده
در این مقاله، برآوردگرهای موجک تابع رگرسیون ناپارامتری بر اساس آستانه‌های مختلف تحت توزیع پیشین آمیخته و تابع زیان توان دوم خطا در فضای بسوف محاسبه شده است. همچنین با استفاده از شبیه‌سازی، بهینگی برآوردگرهای مختلف آستانه موجک شامل میانگین پسین، میانه پسین، عامل بیز، آستانه عام و آستانه قطعی مورد بررسی قرار گرفته است. نتایج نشان می‌دهد که برآوردگر آستانه قطعی، میانگین توان دوم خطای کمتری نسبت به سایر برآوردگرهای بدست آمده دارد.
مژگان مرادی، شاهو زارعی،
جلد 18، شماره 1 - ( 6-1403 )
چکیده
خوشه‌بندی مبتنی بر مدل پرکاربردترین روش خوشه‌بندی آماری است، که در آن دادههای ناهمگن با استفاده از استنباط بر اساس مدلهای آمیخته به گروه‌هایی همگن تقسیم می‌شوند. وجود خطای اندازه‌گیری در داده‌ها میتواند کیفیت خوشه‌بندی را کاهش و به عنوان مثال، موجب بیش‌برازشی و تولید خوشه‌های جعلی شود. برای رفع این مشکل، خوشه‌بندی مبتنی بر مدل با فرض توزیع نرمال برای خطای اندازه‌گیری معرفی شده است. با وجود این، مقدارهای خیلی بزرگ یا خیلی کوچک (دورافتاده) از خطاهای اندازه‌گیری باعث عملکرد ضعیف روشهای خوشه‌بندی موجود می‌شوند. برای رفع این مشکل و ساختن یک مدل استوار نسبت به حضور خطاهای اندازه‌گیری دورافتاده در داده‌ها، در این مقاله برای خطای اندازه‌گیری توزیع آلفا-پایدار متقارن جایگزین توزیع نرمال می‌شود و با استفاده از الگوریتم EM و روشهای عددی، پارامترهای مدل برآورد می‌شوند. با استفاده از شبیه‌سازی و تحلیل داده واقعی به مقایسه مدل جدید ارائه شده با روش خوشه‌بندی مبتنی بر مدل با روش MCLUST، در حالت‌های با و بدون خطای اندازه‌گیری پرداخته و کارایی مدل پیشنهادی برای خوشه‌بندی داده‌ها در حضور انواع خطاهای اندازه‌گیری دورافتاده، نشان داده می‌شود.
|
|
|
|
|
|
|
|
|
|
|
