Dépôt Institutionnel de l'Université BBA

Un système de prédiction du diabète par les réseaux de neurone artificiels

Afficher la notice abrégée

dc.contributor.author Ibtissam, TABET
dc.date.accessioned 2022-01-04T08:56:35Z
dc.date.available 2022-01-04T08:56:35Z
dc.date.issued 2021
dc.identifier.issn MM/665
dc.identifier.uri https://dspace.univ-bba.dz:443/xmlui/handle/123456789/1647
dc.description.abstract يعتبر مرض السكري اليوم من أكثر الأمراض المزمنة شيوعًا، وبسبب بعض المضاعفات ، فهو يعد من أكثر الأمراض فتكًا في العالم و يعد الاكتشاف المبكر لمرض السكري مهمًا جدًا لعلاجه الفوري لأنه يمكن أن يوقف تطور المرض. يمكن أن تساعد الطريقة المقترحة في التنبؤ بظهور مرض السكري في المستقبل من خلال تحويل المهمة إلى مشكلة تصنيف، تم تصميم نموذجنا بشكل أساسي باستخدام الطبقات المخفية لشبكة عصبية عميقة. في بحثنا قمنا بتركيب عدد من المعلمات واستخدمنا وظيفة فقدان الانتروبيا الثنائية، والتي حصلت على نموذج تنبؤ للشبكة العصبية العميقة بدقة عالية. أظهرت النتائج التجريبية كفاءة نموذج التعلم العميق للتنبؤ بالسكري المقترحة أفضل دقة تدريب على مجموعات بيانات مرض السكري من هنود بيما. تظهر النتائج التجريبية تحسينات نموذجنا المقترح مقارنة بأساليب الدولة الحديثة. الكلمات المفتاحية : مرض السكري، التنبؤ، شبكة عصبية، الانتروبيا الثنائية، الدقة، التعلم العميق. Abstract Today, diabetes is one of the most common chronic diseases, and due to some complications, it is one of the most deadly diseases in the world. Early detection of diabetes is very important for its prompt treatment because it can stop the progression of the disease. The proposed method can help predict the onset of diabetes in the future by turning the task into a classification problem, our model is mainly designed using the hidden layers of a deep neural network. In our research, we fitted a number of parameters and used the binary entropy loss function, which obtained a deep neural network prediction model with high accuracy. The experimental results showed the efficiency of the proposed diabetes prediction deep learning model with the best training accuracy on diabetes datasets from Pima Indians. The experimental results show the improvements of our proposed model compared to the modern state methods. Keywords: diabetes, prediction, neural network, binary entropy, accuracy, deep learning. Résumé Aujourd'hui, le diabète est l'une des maladies chroniques les plus courantes et, en raison de certaines complications, c'est l'une des maladies les plus mortelles au monde. La détection précoce du diabète est très importante pour son traitement rapide car elle peut arrêter la progression de la maladie. La méthode proposée peut aider à prédire l'apparition du diabète dans le futur en transformant la tâche en problème de classification, notre modèle est principalement conçu en utilisant les couches cachées d'un réseau de neurones profonds. Dans notre recherche, nous avons ajusté un certain nombre de paramètres et utilisé la fonction de perte d'entropie binaire, qui a obtenu un modèle de prédiction de réseau neuronal profond avec une grande précision. Les résultats expérimentaux ont montré l'efficacité du modèle d'apprentissage en profondeur de prédiction du diabète proposé avec la meilleure précision d'entraînement sur les ensembles de données sur le diabète des Indiens Pima. Les résultats expérimentaux montrent les améliorations de notre modèle proposé par rapport aux méthodes d'état modernes. Mots-clés : diabète, prédiction, réseau de neurones, entropie binaire, précision, apprentissage profond. en_US
dc.language.iso fr en_US
dc.publisher Université Mohamed el-Bachir el-Ibrahimi Bordj Bou Arréridj Faculté de Mathématique et Informatique en_US
dc.subject diabetes, prediction, neural network, binary entropy, accuracy, deep learning en_US
dc.title Un système de prédiction du diabète par les réseaux de neurone artificiels en_US
dc.type Thesis en_US


Fichier(s) constituant ce document

Ce document figure dans la(les) collection(s) suivante(s)

Afficher la notice abrégée

Chercher dans le dépôt


Recherche avancée

Parcourir

Mon compte