سفارش انجام پروژه داده کاوی تشخیص سرطان به کمک روش های شبکه ی عصبی و الگوریتم تکامل تفاضلی:

سرطان نامی است که به مجموعهٔ بیماری‌هایی اطلاق می‌شود که از تکثیر مهارنشده سلول‌ها پدید می‌آیند. سلول‌های سرطانی از سازوکارهای عادی تقسیم و رشد سلول‌ها جدا می‌افتند. علت دقیق این پدیده همچنان نامشخص است ولی احتمال دارد عوامل ژنتیکی یا مواردی که موجب اختلال در فعالیت سلول‌ها می‌شوند در هسته سلول اشکال وارد کنند. از جملهٔ این موارد می‌توان از مواد رادیو اکتیو، مواد شیمیایی و سمی یا تابش بیش از حد اشعه‌هایی مانند نور آفتاب نام برد. در یک جاندار سالم، همیشه بین میزان تقسیم سلول، مرگ طبیعی سلولی و تمایز، تعادلی وجود دارد. برای مطالعه جزییات بیشتر در مورد بیماری سرطان کلیک کنید.

در این پروژه، با استفاده از تلفیق روش های شبکه ی عصبی (neural network) و الگوریتم تکامل تفاضلی (differential evolution algorithm)، مجموعه داده های مربوط به سرطان مورد بررسی قرار گرفته است. نتایج در قالب مستندات و همچنین فایل های شبیه سازی فراهم شده است.

 

موارد قابل تحویل:

 

  • فایل های شبیه سازی پروژه با نرم افزارهای متلب (Matlab)، پایتون (Python)، زبان R و ... (بسته به درخواست سفارش دهنده)
  • مستندات پروژه، شامل توضیحات مربوط به فعالیت های صورت گرفته
  • فایل ارائه ی پاورپوینت
  • فیلم آموزشی برای آشنایی دقیق تر با فرآیند انجام پروژه
  • مجموعه داده ی مورد استفاده در پروژه

 

برخی از موارد قابل پیاده سازی:

 

  • بررسی تاثیر استفاده از الگوریتم تکامل تفاضلی بر روی پارامترهای مختلف شبکه عصبی، نظیر، تعداد لایه، وضعیت بایاس، تعداد نورون های هر لایه، تابع فعالیت و ... .
  • بررسی تاثیر استفاده از زیرمجموعه ای از داده ها بر روی عملکرد روش تلفیقی شبکه ی عصبی و الگوریتم تکامل تفاضلی. انتخاب زیرمجموعه مناسب از داده ها به کمک روش تکامل تفاضلی انجام می شود.
  • بررسی تاثیر استفاده از روش های تجمعی نظیر بگینگ(bagging) و بوستینگ(boosting) بر روش تلفیقی شبکه ی عصبی و الگوریتم تکامل تفاضلی.
  • امکان ارائه ی ارزیابی به کمک روش های مختلف، نظیر Cross Validation
  • مقایسه با سایر الگوریتم ها، نظیر انواع درخت تصمیم(decision tree) نظیر CHAID، CART، C5.0 و ...، ماشین بردار پشتیبان(support vector machine)، شبکه ی عصبی(Neural Net)، جنگل تصادفی(Random Forest)، استخراج قوانین(Rule Induction) 

 

  • روش های مختلف پاکسازی (این بخش با نرم افزارهای جانبی نظیر رپیدماینر، وکا و ... انجام می شود.)
    • حذف مقادیر گم شده (missing values)، 
    • حذف داده های پرت، 
    • حذف نویز، 
    • گسسته سازی، 
    • ایجاد ویژگی های جدید، 
    • نرمال سازی، 
    • انتخاب زیرمجموعه ای مناسب از ویژگی ها و...
  • روش های مختلف تصویر سازی (این بخش با نرم افزارهای جانبی نظیر رپیدماینر، وکا و ... انجام می شود.)
    • نمودارهای هیستوگرام(histogram) 
    • هیستوگرام رنگی
    • پراکندگی(Scatter) و...
  • موارد و الگوریتم های قید شده، تنها نمونه ای از فعالیت های قابل تحویل است. انواع مختلف روش های داده کاوی و هوش مصنوعی با توجه به درخواست شما، قابل ارائه است.

 

مشاوره انجام پایان نامه، پروپزال و مقاله:

در صورتی که به مشاوره برای انجام پایان نامه، پروپزال و مقاله، همچنین آموزش انجام پایان نامه، پروپزال و مقاله در زمینه ی بهینه سازی ساختار شبکه عصبی با الگوریتم تکامل تفاضلی برای داده کاوی سرطان، نیازمندید، این مورد را هنگام درخواست قید نمایید. با توجه به قوانین موجود، فعالیت شریف پژوه محدود به آموزش و مشاوره در این موارد می باشد.

 

منحصر به فرد بودن پروژه:

در صورتی که نیاز به یک پروژه اختصاصی و منحصر به خودتان در زمینه بهینه سازی ساختار شبکه عصبی با الگوریتم تکامل تفاضلی برای داده کاوی سرطان، داشته باشید، این مورد را هنگام درخواست قید نمایید.