کل

۵۹۵

۰/۱۰۰

براساس نتایج تحلیل شبکه، تعداد کل واحدهایی که در لایه ورودی قرار میگیرند برابر است با مجموع تعداد متغیرهای کمکی و متغیر عامل. با توجه به این که در این بخش از تحقیق ۱۸ طرح واره به عنوان متغیر مستقل (متغیر کمکی) مورد بررسی قرار گرفتند و متغیر عامل وجود نداشت، تعداد ۱۸ نرون در لایه ورودی این تحقیق قرار گرفتند (نمودار ۴-۳). تعداد لایه های خروجی این تحقیق نیز دو واحد میباشد. ساختار گزینش اتوماتیک، ۸ واحد را نیز در لایه پنهان انتخاب کرده است.
جدول ۴-۲۴، طبقبندی نتایج خاصی که حاصل از از استفاده از شبکه میباشد را نشان میدهد. از بین مواردی که برای ساخت مدل استفاده شده است، ۹۹ مورد از ۱۳۶ فرد افسرده که برای آموزش مدل انتخاب شدهاند به درستی طبقهبندی شدهاند و تعداد ۲۴۶ نفر از افراد غیر افسرده نیز از بین ۲۷۰ نفری که در قسمت آموزش مدل بکار رفته اند درست طبقهبندی شدهاند. به صورت کلی، ۸۵ درصد از موارد آموزش به درستی طبقهبندی شدهاند و میزان باقی مانده یعنی ۱۵ درصد موارد اشتباه در جدول خلاصه نشان داده شده است. عملکرد مدلی مناسبتر است که درصد بیشتری از موارد صحیح را نشان میدهد. نمونه های جدا نگه داشته شده نیز به ارزیابی مدل کمک می کنند، که در اینجا ۷/۸۵ درصد موارد به درستی طبقهبندی شدهاند.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

جدول ۴-۲۵، طبقبندی نتایج خاصی که حاصل از استفاده از شبکه میباشد را نشان میدهد. از بین مواردی که برای ساخت مدل استفاده شده است، ۱۵۳ مورد از ۱۹۴ فرد مضطرب که برای آموزش مدل انتخاب شدهاند به درستی طبقهبندی شدهاند و تعداد ۱۷۵ نفر از افراد غیر مضطرب نیز از بین ۲۱۲ نفری که در قسمت آموزش مدل بکار رفته اند درست طبقهبندی شدهاند. به صورت کلی، ۸/۸۰ درصد از موارد آموزش به درستی طبقهبندی شدهاند و میزان باقی مانده یعنی ۲/۱۹ درصد موارد اشتباه در جدول خلاصه نشان داده شده است. عملکرد مدلی مناسبتر است که درصد بیشتری از موارد صحیح را نشان میدهد. نمونه های جدا نگه داشته شده نیز به ارزیابی مدل کمک می کنند،که در اینجا ۲/۸۵ درصد موارد بهدرستی طبقهبندیشدهاند.
جدول ۴-۲۶ و نمودار ۴-۴، اهمیت طرح وارهها را بر ایجاد افسردگی و اضطراب نشان میدهد. اهمیت این طرح واره ها در تشخیص این نکته است که به چه میزان مقادیر پیشبینی شده توسط شبکه با تغییر مقادیر طرح واره ها تغییر میکنند. نرمال سازی این اهمیت بسیار ساده بوده و با تقسیم مقادیر اهمیت بر بزرگترین مقدار آن حاصل میشود و به صورت درصد بیان میگردد. به نظر میرسد متغیرهای SB، VU، ED و DS بیشترین تأثیر بر روی این که شبکه چگونه آزمودنیها را طبقهبندی نماید داشتهاند.
نمودار ۴-۳- ساختار معماری شبکه تحلیل عصبی مصنوعی

جدول ۴-۲۴، طبقهبندی موارد در افسردگی

نمونه
مشاهده شده

پیشبینی شده

غیرافسرده

افسرده

درصد صحیح

آموزش دیده

غیرافسرده
افسرده
درصد کل

۲۴۶
۳۷
۷/۶۹

۲۴
۹۹
۳/۳۰

۱/۹۱
۸/۷۲
۰/۸۵

جدانگه داشته شده

غیرافسرده
افسرده
درصد کل

۱۲۳
۱۵
۰/۷۳

۱۲
۳۹