fa تخمین درصد چربی بدن افراد با استفاده از تکنیک ‌های یاد گیری ماشین كاربردي Applicable <p dir="RTL"><strong><em><span style="font-family: b mitra;">&nbsp;مقدمه:</span></em></strong> <span style="font-family: b mitra;">پزشکان با استفاده از دستگاه</span><span dir="LTR"><span style="font-family: times new roman,serif;"><span style="font-size: 9pt;"> BIA (</span></span></span><span dir="LTR"><span style="font-family: times new roman,serif;"><span style="font-size: 9pt;">Bioelectrical Impedance </span></span></span>&nbsp;<span dir="LTR"><span style="font-family: times new roman,serif;"><span style="font-size: 9pt;">Analysis)</span></span></span> <span style="font-family: b mitra;">نسبت به محاسبه درصد چربی بدن افراد مبادرت می &shy;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. </span><br> <strong><em><span style="font-family: b mitra;">مواد و روش &shy;ها:</span></em></strong><span style="font-family: b mitra;">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&shy; است. شبکه عصبی مورد استفاده دارای پنج نرون ورودی و ده نرون میانی است</span><span dir="LTR"><span style="font-family: times new roman,serif;"><span style="font-size: 9pt;">.</span></span></span><span style="font-family: b mitra;"> هم چنین از روش ارزیابی متقاطع برای سنجش کارایی روش پیشنهادی این تحقیق استفاده شده است. </span><br> <strong><em><span style="font-family: b mitra;">یافته &shy;های پژوهش:</span></em></strong><span style="font-family: b mitra;"> نتایج نشان دهنده 5</span><span dir="LTR"><span style="font-family: times new roman,serif;"><span style="font-size: 9pt;">.</span></span></span><span style="font-family: b mitra;">2 واحد خطا بر اساس روش ارزیابی متقاطع است که بیان کننده کارایی روش پیشنهادی است. نتایج آزمایش&shy; ها نشان می&shy;دهد که شبکه عصبی پیشنهادی برای تخمین درصد چربی بدن افراد دارای دقت میانگین 93% می&shy;باشد. بنابراین روش پیشنهادی می &shy;تواند میزان دقیق درصد چربی بدن افراد را به خوبی تخمین بزند.</span><br> <strong><em><span style="font-family: b mitra;">بحث و نتیجه گیری:</span></em></strong><span style="font-family: b mitra;"> نتایج حاصل از این تحقیق نشان می &shy;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 می&shy;تواند به عنوان یک ابزار کارآمد مورد استفاده قرار گیرد. استفاده از راهکار پیشنهادی می&shy; تواند نیاز به دستگاه </span><span dir="LTR"><span style="font-family: times new roman,serif;"><span style="font-size: 9pt;">BIA</span></span></span><span style="font-family: b mitra;"> یا روش&shy; های مشابه دیگر به منظور تخمین درصد چربی بدن را بر طرف نماید.</span><br> &nbsp;</p> <p><strong><em>&nbsp;Introduction</em></strong><strong>:</strong> Doctors undertake calculation of body fat percentage by using BIA (Bioelectrical Impedance Analysis) equipment. In this study, we measured body fat percentage without using equipment. For this purpose, an artificial neural network has been used to estimate the exact amount of fat.<br> &nbsp;<br> <strong><em>Materials & methods</em></strong>: The sample was selected from patients admitted in a nutrition clinic in Tehran. 400 patients took part in this study. MLP neural network was used to estimate body fat percentage. The used neural network had five input neurons and ten neurons in the hidden layer<span dir="RTL">.</span> Also, cross validation method for evaluating the proposed method has been used.<br> &nbsp;<br> <strong><em>Findings</em></strong>: The proposed method is efficient because of the results that demonstrate 2.5 units error based on cross validation. The results of experiments show that the proposed neural network for estimating body fat percentages has an average accuracy of 93%. Therefore the proposed method can accurately estimate body fat percentage of people with very high accuracy<span dir="RTL">.</span><br> &nbsp;<br> <strong><em>Discussion & conclusions</em></strong>: The results of this research show that the proposed method as the first method used in machine learning technique, can estimate fat percentage with high accuracy. This method can be used as a useful method without using BIA device.<br> &nbsp;<br> &nbsp;</p> الگوریتم یاد گیری, درصد چربی بدن, داده‌کاوی, شبکه عصبی Learning algorithm, Body fat percentage, Data mining, Neural network 171 178 http://sjimu.medilam.ac.ir/browse.php?a_code=A-10-3402-1&slc_lang=fa&sid=1 Rasmiyeh Asgari رسمیه عسگری r.asgari92@yahoo.com 9600319475328460038323 9600319475328460038323 No Dept of Computer, Islamic Azad University, Ilam Branch, Ilam, Iran گروه کامپیوتر، دانشگاه آزاد اسلامی، واحد ایلام، ایلام، ایران Mohammad Reza Valizadeh محمدرضا ولی زاده valizadehmr@gmail.com 9600319475328460038324 9600319475328460038324 Yes Dept of Computer, Faculty of Engineering, Ilam University, Ilam, Iran گروه کامپیوتر، دانشکده فنی، دانشگاه ایلام، ایلام، ایران Korosh Jafariyan کوروش جعفریان kdjafarian@tums.ac.ir 9600319475328460038325 9600319475328460038325 No Dept of Nutrition, Faculty of Nutrition and Dietetics, Tehran University of Medical Sciences, Tehran, Iran گروه تغذیه، دانشکده علوم تغذیه و رژیم شناسی، دانشگاه علوم پزشکی تهران , تهران، ایران