TY - JOUR T1 - Stimated Body Fat Percentage using Mechine Learning Techniques TT - تخمین درصد چربی بدن افراد با استفاده از تکنیک ‌های یاد گیری ماشین JF - sjimu JO - sjimu VL - 25 IS - 4 UR - http://sjimu.medilam.ac.ir/article-1-3774-fa.html Y1 - 2017 SP - 171 EP - 178 KW - Learning algorithm KW - Body fat percentage KW - Data mining KW - Neural network N2 - مقدمه: پزشکان با استفاده از دستگاه BIA (Bioelectrical Impedance Analysis) نسبت به محاسبه درصد چربی بدن افراد مبادرت می ­نمایند. مطالعه حاضر با هدف تخمین درصد چربی بدن افراد بدون استفاده از دستگاه صورت گرفته است. در این پژوهش سعی شده است که با استفاده از شبکه عصبی به پیش بینی میزان چربی بدن افراد پرداخته شود. مواد و روش ­ها:داده مورد استفاده در این تحقیق اطلاعات بیماران مراجعه کننده به یکی از کلینیک های تغذیه درشهرتهران است. این مجموعه دارای 400 رکورد است که از آنها برای آزمایش و ارزیابی شبکه عصبی پرسپترون چندلایه برای تخمین درصد چربی بدن افراد استفاده شده­ است. شبکه عصبی مورد استفاده دارای پنج نرون ورودی و ده نرون میانی است. هم چنین از روش ارزیابی متقاطع برای سنجش کارایی روش پیشنهادی این تحقیق استفاده شده است. یافته ­های پژوهش: نتایج نشان دهنده 5.2 واحد خطا بر اساس روش ارزیابی متقاطع است که بیان کننده کارایی روش پیشنهادی است. نتایج آزمایش­ ها نشان می­دهد که شبکه عصبی پیشنهادی برای تخمین درصد چربی بدن افراد دارای دقت میانگین 93% می­باشد. بنابراین روش پیشنهادی می ­تواند میزان دقیق درصد چربی بدن افراد را به خوبی تخمین بزند. بحث و نتیجه گیری: نتایج حاصل از این تحقیق نشان می ­دهد که روش پیشنهاد شده به عنوان اولین روشی که از تکنیک های داده کاوی برای این منظور استفاده می کند، برای تخمین دقیق درصد چربی از دقت بالایی برخوردار بوده و می­تواند به عنوان یک ابزار کارآمد مورد استفاده قرار گیرد. استفاده از راهکار پیشنهادی می­ تواند نیاز به دستگاه BIA یا روش­ های مشابه دیگر به منظور تخمین درصد چربی بدن را بر طرف نماید. M3 10.29252/sjimu.25.4.171 ER -