Identifying the Addiction Person Using Artificial Neural Networks
| العنوان بلغة أخرى: |
التعرف على الشخص المتعاطي عن طريق الشبكة العصبية الاصطناعية |
|---|---|
| المؤلف الرئيسي: | السكر، مصطفى عوض (مؤلف) |
| مؤلفين آخرين: | أبو دلهوم، عبداللطيف إبراهيم (مشرف) , سليط، عزام (مشرف) |
| التاريخ الميلادي: |
2015
|
| موقع: | عمان |
| الصفحات: | 1 - 86 |
| رقم MD: | 1046950 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | الجامعة الاردنية |
| الكلية: | كلية الدراسات العليا |
| الدولة: | الاردن |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
75
| المستخلص: |
استخدام وتعاطي المخدرات أصبح أمر شائع وخاصة بين المراهقين والتي تعتبر عواقبه وخيمة. حيث أكده العديد من الدراسات أن 50% من الوفيات الناجمة عن حوادث المرور، والانتحار، وجرائم القتل التي تنطوي على تعاطي المخدرات وخاصة في الفئة العمرية ما بين 15-24 سنة. ويظهر خطر تعاطي المخدرات أيضا في الاعتداء الجسدي والجنسي. حيث يلجئ بعض المراهقين إلى استخدام الأدوية للتعويض عن الاكتئاب والقلق أو عدم وجود المهارات الاجتماعية الإيجابية. حيث يلجأ الكثير من الشباب إلى التدخين في سن المراهقة لأنها يمكن أن تكون "بوابة لتعاطي المخدرات" وبأنواعها المختلفة (الماريجوانا والكوكايين والمهلوسات، المستنشقات، والهيروين...). حيث يميز المراهقين حبهم للمغامرة والفضول حيث تدفعهم الضغط الاجتماعي إلى التعاطي ويجعل من الصعب جدا أن يقولوا لا. وهذا يقود معظم المراهقين إلى سؤال: "هل تؤذيني التجربة ولو في محاولة واحدة؟". في هذه الأيام، مع التقدم التكنولوجي الهائل أصبحت حياتنا تتغير بسرعة كبيرة ومع إضافة الكثير من التقنيات التي تساعدنا على تتبع خطر تعاطي المخدرات مثل الهواتف الذكية، وشبكات الاستشعار اللاسلكية، إنترنت بالأشياء الخ. هذه التقنيات قد تساعدنا على اكتشاف المبكر لتعاطي المخدرات من أجل منع تفاقم تأثير المخدرات على المتعاطي، وبالإضافة إلى ذلك، تتبع المستهترين في حياة الإنسان من التجار والمروجين لهذه الآفة. في هذه الأطروحة، قمنا بتطوير نظام دعم القرار للكشف عن تعاطي المخدرات باستخدام الشبكات العصبية الاصطناعية. حيث تضم طبقة المدخلات 50 متغير في حين أن الطبقة الناتج يحتوي على الخلايا العصبية واحده الذي يعرض إذا كان الشخص مدمنا على المخدرات أو لا. حيث أننا أستخدمنا طريقتين لتدريب الشبكة العصبية الاصطناعية: (10-folds cross-validation) بالإضافة إلى طريقة تقسم البيانات إلى مجموعة التدريب حيث قسمناها إلى 60%، 70%، 80%. للوصول إلى أفضل نظام مقترح. ولقد حصلنا على دقة 98.39% باستخدام (10-folds cross-validation) و 93.5%، 96.1%، 97.6% باستخدام طريقة تقسيم البيانات. ولقد جمعنا 184 حالة وفقا لمجموعة من الأسئلة التي تم تجميعها من المتخصصين، ولقد تم الحصول على البيانات من خلال أسر المدمنين. |
|---|
عناصر مشابهة
-
Wind Energy Forecasting Using Artificial Neural Network
بواسطة: السبوع، أسامة نزار أحمد منشور: (2023) -
Arabic Keyword Extraction Using Artificial Neural Networks
بواسطة: Omoush, Ebtehal H. منشور: (2012) -
Arabic text categorization based on features reduction using artificial neural network
بواسطة: الظاهري، سامي عبدالله منشور: (2010) -
An enhanced resillient backpropagation artificial neural network for intrusion detection sysytem
بواسطة: Al Sultani, Zainab Na'mh Abd Ala منشور: (2012) -
Artificial Neural Networks and Gene Expression Programing Based Age Estimation Using Facial Features
بواسطة: Laskar, Baddrud Z. منشور: (2015)
