دانلود ترجمه مقاله مقایسه متد یادگیری ماشین جهت تشخیص مولتیپل اسکلروز (Sage ۲۰۱۶) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)
این مقاله انگلیسی ISI در نشریه Sage در ۱۱ صفحه در سال ۲۰۱۶ منتشر شده و ترجمه آن ۱۵ صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.
دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
عنوان فارسی مقاله: |
مقایسه روش های فراگیری ماشین برای کشف فلج چند گانه مبتنی بر آنتروپی موجک ایستا: درخت تصمیم گیری، نزدیک ترین همسایه و ماشین بردار پشتیبانی |
عنوان انگلیسی مقاله: |
Comparison of machine learning methods for stationary wavelet entropy-based multiple sclerosis detection: decision tree, k-nearest neighbors, and support vector machine |
|
مشخصات مقاله انگلیسی (PDF) | |
سال انتشار | ۲۰۱۶ |
تعداد صفحات مقاله انگلیسی | ۱۱ صفحه با فرمت pdf |
رشته های مرتبط با این مقاله | مهندسی پزشکی، مهندسی کامپیوتر |
گرایش های مرتبط با این مقاله | سایبرنتیک پزشکی، پردازش تصاویر پزشکی و هوش مصنوعی |
مجله |
شبیه سازی پردازش تصویر دیجیتال در کاربرد های پزشکی Special Issue: Simulation of Digital Image Processing in Medical Applications |
دانشگاه | دانشکده علوم و فناوری کامپیوتر، دانشگاه نانجینگ، چین |
کلمات کلیدی | آنتروپی موجک ثابت، مولتیپل اسکلروزیس، درخت تصمیم گیری، یادگیری ماشین، همسایگان نزدیک k، دستگاه بردار پشتیبانی، |
شناسه شاپا یا ISSN | ISSN ۱۷۴۱-۳۱۳۳ |
رفرنس | دارد |
لینک مقاله در سایت مرجع | لینک این مقاله در سایت Sage |
نشریه Sage |
مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
کیفیت ترجمه | ویژه – طلایی ⭐️⭐️⭐️ |
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت ۱۴ B Nazanin | ۱۵ صفحه |
ترجمه عناوین تصاویر و جداول | ترجمه شده است |
ترجمه متون داخل تصاویر | ترجمه شده است |
ترجمه متون داخل جداول | ترجمه شده است |
درج تصاویر در فایل ترجمه | درج شده است |
درج جداول در فایل ترجمه | درج شده است |
درج فرمولها و محاسبات در فایل ترجمه به صورت عکس | درج شده است |
فهرست مطالب:
چکیده
۱ – مقدمه
۲- مواد
۲-۱ منبع
۲-۲ عادی سازی اسکن درونی
۳- روش شناسی
۳-۱ انتروپی موجک ایستاء
۳-۲ دسته بندی
۳-۳ آزمایش آماری
۴- نتایج
۴-۱ تبدیل موجک ایستاء
۴-۲ مقایسه دسته کننده
۴-۳ مقایسه با روش های با جدید ترین فناوری
۴-۴ زمان محاسبه
۵- بحث و تبادل نظر
۶- نتیجه گیری و مسیر های آینده
بخشی از ترجمه:
۶- نتیجه گیری و مسیر های آینده
ما در مطالعه حاضر یک روش کشف MS را بر اساس SWE و kNN توسعه داده ایم . نتایج اثربخشی آن را نشان داده اند .
ما در آینده بایستی تحقیقات زیر را انجام دهیم : (۱) به داده تصویر برداری بیشتر دست یابیم تا الگوریتم امان را از نو صحه گذاری کنیم ؛ (۲) دیگر روش های عادی سازی اسکن داخلی نظیر برابر سازی هیستوگرام را تست می کنیم ؛ (۳) دیگر شکل های انتروپیک پیشرفته نظیر انتروپی Tsallis و انتروپی چند مقیاسی را تست می کنیم ؛ (۴) دیگر دسته کننده های پیشرفته تست می شوند : فراگیری ماشین بی نهایت ، ماشین بردار مجازی کرنل ، شبکه عصبی احتمالی و شبکه عصبی حلقه ای ؛ (۵) یک الگوریتم آموزش بهبود یافته برای DT تست می شود یعنی C5.0 برای Unix/Linux و See5برای پنجره ها .
بخشی از مقاله انگلیسی:
۶ Conclusion and future directions
In this study, we developed a MS detection method based on SWE and kNN. The results showed its effectiveness. In the future, we shall carry out the following researches: (i) acquire more MS imaging data to revalidate our algorithm; (ii) test other inter-scan normalization methods, such as histogram equalization; (iii) test other advanced entropic forms, for example, Tsallis entropy56 and multiscale entropy57; (iv) test other advanced classifiers: the extreme learning machine,58 kernel SVM,59 probabilistic neural network,60 and convolutional neural network61; (v) test an improved training algorithm for the DT, that is, C5.0 for Unix/Linux and See5 for Windows.62
تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد |
|
دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
عنوان فارسی مقاله: |
مقایسه متد های یادگیری ماشین جهت تشخیص مولتیپل اسکلروز مبتنی بر آنتروپی موجک ثابت : درخت تصمیم گیری، نزدیک ترین همسایه و ماشین بردار پشتیبانی |
عنوان انگلیسی مقاله: |
Comparison of machine learning methods for stationary wavelet entropy-based multiple sclerosis detection: decision tree, k-nearest neighbors, and support vector machine |
|