ترجمه مقاله يك سيستم خبره فازي – عصبي براي تشخيص

مقاله ترجمه شده يك سيستم خبره فازي – عصبي براي تشخيص در 12 صفحه و ترجمه 15 صفحه اي

Abstract

Fuzzy Logic, a neural network and an expert system are combined to build a hybrid diagnosis system.  With this system we introduce a new approach to the acquisition of knowledge bases. Our system consists of a fuzzy expert system with a dual source knowledge base. Two sets of rules are acquired, inductively from given examples and deductively formulated by a physician. A fuzzy neural network serves to learn from sample data and allows to extract fuzzy rules for the knowledge base. The diagnosis

of electroencephalograms by interpretation of graphoelements serves as visualization

for our approach. Preliminary results demonstrate the promising possibilities offered by our method.

1 Introduction

Repetitively applied cognitive tasks of recognizing and evaluating certain phenomena, called diagnostic tasks, are among the main applications for Artificial Intelligence

(AI). As there exists a vast variety of such diagnostic tasks in medicine, it has always belonged to the spectrum of potential users of Artificial Intelligence. Most popular among AI methods in medicine are knowledge based systems [Buchanan and Shortliffe, 1985], modeling the diagnostic behaviour of experts. A variety of such expert systems is being used in everyday practice of physicians since Shortliffe introduced MYCIN Shortliffe, 1976], an expert system designed to diagnose

infections of the human blood. 

چكيده:

منطق فازي،يك شبكه عصبي و سيستم خبره است كه براي ايجاد يك سيستم تشخيصي تركيبي با يكديگر تركيب شده اند.با استفاده از چنين سيستمي ما يك روش جديد براي فراگيري مباني دانش استفاده مي كنيم. سيستم ما شامل يك سيستم خبره فازي همراه با يك بيس دانشي با منبع دوگانه است. دو سري قوانين لازم هستند ، كه به صورت استنباطي از مثالهاي ارائه شده و به صورت استقرايي توسط فيزيك دانان بدست آمده اند. يك شبكه عصبي فازي سعي ميكند كه از داده هاي نمونه ياد گرفته و اين اجازه را مي دهد كه قوانين فازي براي دانش پايه را استخراج كنيم.تشخيص electroencephalograms با تفسير عناصر نموداري بعنوان يك نوع مشاهده در روش ما بكار گرفته مي شود. نتايج اوليه نشان دهنده احتمالات مورد نظر با استفاده از روش ما مي باشد. 

1- مقدمه:

روشهاي تكراري شناسايي و ارزيابي پديده خاص را كار تشخيصي مي نامند ،كه يكي از كاربردهاي اصلي براي هوش مصنوعي (AI) مي باشد. با توجه به اينكه رنج وسيعي از چنين كاربرهاي تشخيصي وجود دارد . اگرچه رنج وسيعي از چنين كاربردهاي تشخيصي در پزشكي وجود دارد ولي اين بخش مورد توجه استفاده كنندگام از هوش مصنوعي قرار دارد. عمومي ترين روشهاي AI در بخش پزشكي مبتني بر دانش و مدلسازي رفتار تشخيصي متخصصان است .  انواع مختلفي از چنين سيستمهاي خبره اي از زماني كه SHRTLIFFE روش SHRTLIFFE MYCIN   را بعنوان يك سيستم خبره براي تشخيص آسيبهاي خوني انسان طراحي و معرفي كرد ، بوسيله پزشكان مورد استفاده قرار گرفته است.