ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > مقارنة بين أساليب الانحدار الل...>الوصف

مقارنة بين أساليب الانحدار اللوجستي والشبكة العصبية الالتفافية و Kernel لتصنيف حركة الربداء الرشيقة

العنوان بلغة أخرى: Comparison of Logistic Regression, Convolution Neural Network and Kernel Approaches for Classifying the Caenorhabditis Elegans Motion
المصدر: المجلة العراقية للعلوم الإحصائية
الناشر: جامعة الموصل - كلية علوم الحاسوب والرياضيات
المؤلف الرئيسي: سعيد، عمر أكرم محمد (مؤلف)
المؤلف الرئيسي (الإنجليزية): Malaa, Omar Akram
مؤلفين آخرين: الحنون، أسامة بشير شكر (م. مشارك)
المجلد/العدد: مج20, ع2
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2023
الشهر: ديسمبر
الصفحات: 175 - 187
ISSN: 1680-855X
رقم MD: 1445489
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
الأحياء المجهرية | الديدان الأسطوانية | التصنيف الرقمي
كلمات المؤلف المفتاحية:
الانحدار اللوجستي | الشبكة العصبية الالتفافية | طريقة النواة | التصنيف | السلاسل الزمنية | الانحدار الذاتي | الربداء الرشيقة | Logistic Regression "LR" | Convolutional Neural Network "CNN" | Kernel Method | Classification | Time Series | Autoregressive "AR" | Caenorhabditis Elegans "CE"
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: أن بيانات السلاسل الزمنية تستخدم على نطاق واسع في العديد من المجالات ومنها بيانات الأحياء المجهرية. ومن الضروري معرفة كيفية تصنيف الفئة التي تنتمي إليها كل مشاهدة وذلك باستخدام أساليب تصنيف إحصائية وخوارزميات التعلم الآلي والتعلم العميق. تعتبر دراسة حركة بعض أنواع الديدان الأسطوانية كأحد أنواع الأحياء المجهرية ومنها الربداء الرشيقة (Cacnorhabditis Elegans (CE من الأمور المهمة لتحديد الأفعال وتأثيرها على حياة الديدان في هذه الدراسة تمثلت بيانات السلسلة الزمنية لحركة CE بزوايا حركتها الموجية التي ستكون حالة الدراسة. في هذا النوع من البيانات فإن صفة اللاخطية وكذلك عدم اليقين تعد من أكثر المشاكل التي قد تؤدي إلى تصنيفات لا ترقى إلى أن تكون دقيقة. سيتم استخدام الشبكة العصبية الالتفافية (Convolutional Neural Network (CNN كأحد تقنيات التعلم العميق ويعتبر أسلوب غير خطي يستخدم لتصنيف حركة CE كمتغير معتمد في الحالات الثنائية بناءا على صور زوايا الحركة الموجية كمتغير مستقل وأن استخدامها سيؤدي إلى نتائج دقيقة وذلك لأنها أسلوب غير خطي ملائم للتعامل مع بيانات الدراسة لحل مشكلات عدم الخطية وكذلك فإنه ملائم للتعامل مع مشكلة عدم اليقين من خلال التمثيل الصوري للبيانات الرقمية. كذلك تم استخدام الانحدار اللوجستي (Logistic Regression (LR وطريقة النواة Kernel أيضا لتصنيف زوايا حركة CE. وتمت الاستفادة من الانحدار الذاتي (Auto Regressive (AR بالاعتماد على رتبة نموذج الانحدار الذاتي (AR(p في تحديد هيكلية الأساليب المستخدمة. ومن خلال مقارنة النتائج بين الأساليب المستخدمة يتبين أن أسلوب CNN يتفوق على الأساليب الأخرى المستخدمة باستخدام مقاييس الدقة للتصنيف. ولذلك فمن الممكن استنتاج أن استخدام أسلوب CNN والذي يعتمد على التصنيف الصوري يؤدي إلى نتائج تصنيفية دقيقة مقارنة بالأساليب الأخرى المعتمدة على التصنيف الرقمي.

Time series data are widely used in many fields including microbiology data. It is necessary to know how to classify the category to which observation belongs by using statistical classification methods and machine learning and deep learning algorithms. The study of the movement of some types of nematodes as one of the types of microorganisms including Caenorhabditis elegans (CE) is important to determine the actions and their impact on the life of the worms. In this study the CE motion time series data were represented by its wave motion angles which would be the study case. the non-linearity and uncertainty will be among the most common problems in this type of data that may lead to classifications that are not accurate. Convolutional Neural Network (CNN) will be used as one of the deep learning techniques and it is a non-linear method used to classify CE movement as a dependent variable in binary cases based on images of wave motion angles as an independent variable and its use will lead to accurate results because it is a suitable non-linear method to deal with Study data to solve nonlinearity and uncertainty problems through digital data visualization. Logistic regression (LR) and kernel method were also used to classify CE angles of movement. The AR (p) rank was used to determine the structure of the used methods. And by comparing the results between the methods used, it was found that the CNN method is superior to the other methods used. Therefore, it is possible to conclude that the use of the CNN method, which is based on pictorial classification, leads to accurate classification results compared to other methods based on numerical classification.
ISSN: 1680-855X

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.