خانه ژورنال دانشجویان ایران ( Iranian Students Article House , www.entofa.net )
.
عنوان فارسی مقاله : نقش هوش مصنوعی در رادیولوژی تشخیصی: بررسی‌ برنامه آموزشی رزیدنتی رادیولوژی
.
English Article Title: The Role of Artificial Intelligence in Diagnostic Radiology: A Survey at a Single Radiology Residency Training Program
Year: 2018
Publisher: ELSEVIER
Journal: jacr , Journal of the American College of Radiology
DOI: https://doi.org/10.1016/j.jacr.2017.12.021

Keywords:
#Artificial_intelligence
#diagnostic_radiology
#residency_program
#survey
#هوش_مصنوعی
#رادیولوژی_تشخیصی
#رزیدنسی
#رزیدنسی_رادیولوژی
#رادیولوژی
#مطالعه
#علوم_پزشکی_و_بهداشت (#health)
#مقاله_پرستاری (#Nursing)
#مقاله_پزشکی (#Medical)
#علوم_انسانی_و_اجتماعی (#Social_Sciences_and_Humanities)
#مقاله_علوم_اجتماعی (#Social_Sciences)
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)

چکیده مقاله:
هدف: پيش بيني مي شود که پيشرفت‌های هوش مصنوعي در راديولوژي تشخيصی، تأثير عمده اي بر اين تخصص پزشکي داشته باشد. به منظور ایجاد مبنایی برای فعالیت های آموزشی در این موضوع،مطالعه‌ای در میان کارآموزان و رادیولوژیست ها در یک برنامه رزیدنتی به اجرا در آمد.
روش ها: یک پرسشنامه‌ ناشناس توزیع شد. مقایسه‌ی داده های طبقه بندی شده بین گروه ها (کارآموزان و رادیولوژیست ها) با استفاده از آنالیز Pearson χ2 یا یک تحلیل دقیق هنگام لزوم انجام شد. زمانی که داده ها به صورت نرمال توزیع نشده بودند، مقایسه ها با استفاده از آزمون رتبه بندی ویلکاکسون رتبه بندی شد. به α مقدار 0.05 تعلق گرفت.
یافته ها: پاسخ کلی 66 درصد بود (69 از 104 مورد). سی و شش درصد شرکت کنندگان (25 نفر) گفتند که در طی 12 ماه گذشته، هیچ مقاله پزشکی درباره موضوع هوش مصنوعی نخوانده‌اند. 29 درصد از شرکت کنندگان (12 نفر) پاسخ دادند که از ابزارهای هوش مصنوعی در طول کار روزانه خود استفاده می‌کنند.شک و تردید کارآموزان در مورد اینکه آیا باید رادیوگرافی تشخیصی را به عنوان یک حرفه دنبال می کردند محتمل تر بود چرا که اگر می‌دانستند پیش بینی شده است که هوش مصنوعی تاثیر بالقوه‌ای بر روی این تخصص خواهد داشت (P=.0254) بیشتر احتمال داشت تا برای یادگیری این موضوع برنامه‌ریزی کنند.(P=.0401)
نتیجه گیری: برای رادیولوژیست ها مقالات علمی پزشکی هوش مصنوعی کمی ارائه شده است. کارآموزان نگران تاثیر هوش مصنوعی بر شغل شان هستند و مایلند در مورد موضوع مطالبی فرا بگیرند. نیاز به توسعه منابع آموزشی برای کمک به رادیولوژیست ها با فرض نقشی مهم در هدایت و تسهیل توسعه و اجرای ابزار هوش مصنوعی در رادیولوژی تشخیصی وجود دارد.
کلید واژه ها: هوش مصنوعی، رادیولوژی تشخیصی، رزیدنسی، مطالعه


لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/2PrMCWr

خانه ژورنال دانشجویان ایران ( Iranian Students Article House , www.entofa.net )
.
عنوان فارسی مقاله : بهینه سازی پیش بینی تقاضای آب با هوش مصنوعی با مجموعه داده‌های کوتاه
.
English Article Title: Optimisation of water demand forecasting by artificial intelligence with short data sets
Year: 2018
Publisher: ELSEVIER
Journal: Biosystems Engineering
DOI: https://doi.org/10.1016/j.biosystemseng.2018.03.011

Keywords:
#Evolutionary_robotics
#Optimal_forecasting_models
#Short_time_series
#Irrigation
#artificial_intelligence
#هوش_مصنوعی
#روباتیک_تکاملی
#مدلهای_پیش_بینی_بهینه
#سری_های_زمانی_کوتاه
#آبیاری
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_مهندسی_شیمی (#Chemical_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
#علوم_زیستی_و_کشاورزی (#Life_Sciences)
#مقاله_کشاورزی
#مقاله_علوم_زیستی (#Agricultural_and_Biological_Sciences)
#مقاله_بیوشیمی
#مقاله_ژنتیک
#مقاله_زیست_مولکولی (#Biochemistry_Genetics_and_Molecular_Biology)

چکیده مقاله:
کشاورزی آبی یکی از عامل های اصلی است که در سال های اخیر باعث کاهش آب شربِ در دسترس شده است. بنابراین، ضروری است ابزارهای جدید ایجاد شوند که به مدیران منطقه آبیاری در فرایند تصمیم‌گیری روزانه شان درباره استفاده از آب و انرژی کمک کنند. از سوی دیگر، عصر جدید کلان داده‌ها و فناوری‌های اطلاعات و ارتباطات (ICT) حجم زیادی از اطلاعات را در دسترس ساخته است، این مطلب منجر به توسعه ابزارهای جدید پیش بینی شده است. با این حال، کیفیت و کمیت این اطلاعات در بسیاری از حوزه ها نظیر کشاورزی آبی محدود شده است. در نتیجه، روش بررسی توسعه مدل های پیش بین جدید باید دوباره فرمول بندی شود. از این رو، در این مقاله، روش جدید برای پیش بینی کوتاه مدت تقاضای آب آبیاری روزانه هنگام محدودیت دسترسی به داده‌ها توسط معماری شبکه های عصبی مصنوعی (ANN) دینامیک، الگوریتم های ژنتیک (GA) و چارچوب بیزی ایجاد شده است. روش تحقیق در منطقه آبیاری MD بِمبزار (جنوب اسپانیا) اجرا شد. مدل توسعه یافته صحت پیش بینی را بین 3 تا 11% با توجه به فعالیت قبلی بهبود داد. بهترین مدل ANN پیش بینی خطای استاندارد (SEP) و ضریب تعیین (R2) به ترتیب با مقادیر 8.7% و 96% دارد. صحت مدل توسعه یافته این مدل را تبدیل به ابزاری قوی برای مدیریت روزانه مناطق آبیاری می کند.

کلیدواژه ها: روباتیک تکاملی، مدل های پیش بینی بهینه، سری های زمانی کوتاه، آبیاری

لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/378F3Kk

عنوان فارسی مقاله : GA CC-: الگوریتم ژنتیک براساس ضریب خوشه‌بندی برای تشخیص جوامع در شبکه‌های اجتماعی
.
English Article Title: CC-GA: A clustering coefficient based genetic algorithm for detecting communities in social networks
Year: 2018
Publisher: ELSEVIER
Journal: Applied Soft Computing
DOI: https://doi.org/10.1016/j.asoc.2017.11.014

Keywords:
#Community_detection
#Graph_clustering
#Genetic_algorithm
#Artificial_intelligence
#Social_network_analysis
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
#تشخیص_جامعه
#خوشه_بندی_نمودار
#الگوریتم_ژنتیک
#هوش_مصنوعی
#تجزیه_و_تحلیل_شبکه_های_اجتماعی

چکیده مقاله: ساختار اجتماع، بخش لاینفک شبکه اجتماعی می‌باشد. تشخیص این اجتماعات، نقش مهمی در دامنه وسیعی از برنامه‌های کاربردی که شامل تحلیل خوشه، سیستم‌های توصیه و شناخت رفتار سیستم‌های پیچیده می‌باشد اما به آنها محدود نمی‌شود. محققان، الگوریتم‌های بسیاری را برای کشف ساختارهای اجتماعی شبکه‌ها بیان نموده‌اند. کشف جوامع، کاری چالش برانگیز است و هیچ الگوریتم منفردی وجود ندارد که بهترین نتایج را برای کلیه شبکه‌ها ارائه دهد. بنابراین علاوه بر راه‌حل‌های ظریف، کشف جوامع، حوزه تحقیق فعالی می‌باشد. در این مقاله، الگوریتم جدیدی به نام الگوریتم ژنتیک براساس ضریب خوشه‌بندی (CC – GA) برای تشخیص آنها در شبکه‌های اجتماعی و پیچیده مطرح می‌شود. محققان از چند الگوریتم ژنتیک برای تشخیص اجتماعات استفاده نموده‌اند اما الگوریتم پیشنهاد برحسب گسترش جمعیت اولیه و روش جهش، جدید می‌باشد و این موارد سبب بهبود کارایی و صحت آن می‌شود.
آزمایشات مربوط به مجموعه داده‌های جهان واقعی و مقایسه الگوریتم‌های پیشرفته مبنی بر ژنتیک و غیر ژنتیک، نتایج بهبود یافته‌ای را نشان می‌دهد.
کلمات کلیدی : تشخیص جامعه، خوشه بندی نمودار، الگوریتم ژنتیک، هوش مصنوعی، تجزیه و تحلیل شبکه های اجتماعی

لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/3fx2TEu