پیشبینی تعداد موارد بروسلوز براساس پارامترهای اقلیمی با استفاده از روشهای داده کاوی شبکههای عصبی مصنوعی پرسپترون چند لایه، تابع پایه شعاعی و نزدیکترین همسایگی
نویسندگان
1 استادیار، گروه آمار زیستی، دانشکده بهداشت و مرکز تحقیقات مدلسازی بیماریهای غیر واگیر، دانشگاه علوم پزشکی همدان، همدان، ایران
2 کارشناس ارشد آمار زیستی، گروه آمار زیستی، دانشکده بهداشت، دانشگاه علوم پزشکی همدان، همدان، ایران
3 مربی، گروه علوم پایه، دانشگاه صنعتی همدان، همدان، ایران
4 استادیار، گروه جغرافیا، دانشگاه سیدجمالالدین اسدآبادی، همدان ،اسدآباد، ایران
doi
چکیده
مقدمه و اهداف: شناسایی مدل‏های آماری دارای پیش‏بینی‏های دقیق در تعیین دقیق و بههنگام طغیان بیماری‏های عفونی در نظام مراقبت بهداشتی این بیماری‏ها بسیار با اهمیت است. این مطالعه با هدف ارزیابی و مقایسه عملکرد سه روش یادگیری ماشین در مدل‏سازی و پیش‏بینی سری زمانی بروسلوز بر اساس پارامترهای اقلیمی انجام شد. روش کار: ...
