دانلود مقاله ISI انگلیسی شماره 5771 + ترجمه فارسی
عنوان فارسی مقاله

نقشه های شناختی فازی خاکستری مبتنی بر سیستم پشتیبانی تصمیم گیری برای برنامه ریزی

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی
5771 2012 10 صفحه PDF 30 صفحه WORD
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
A Fuzzy Grey Cognitive Maps-based Decision Support System for radiotherapy treatment planning
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Knowledge-Based Systems, Volume 30, June 2012, Pages 151–160

فهرست مطالب ترجمه فارسی
چکیده:
1.مقدمه
2.تئوری سیستمهای خاکستری:
2.1.عدم اطمینان خاکستری:
2.2.اعداد خاکستری
2.3.عملیات خاکستری
3.نقشه¬های شناختی خاکستری فازی
3.1.اصول بنیادی
3.2.ساختن FGCM:
3.3.حل مشکلات FCM با FGCMها:
4.آنالیز پرتودرمانی
4.1.برنامه ریزی درمان با پرتودرمانی
4.2.ناظر درمان پرتودرمانی
جدول 1- تعریف گره های ناظر
4.3.دینامیک آزمایشها
جدول 2- توضیح گره های پرتودرمانی CTST-FGCM
جدول 5. نتایج پرتودرمانی تطبیقیCTST-FGCM
4.4.بحث
5.نتیجه گیری
کلمات کلیدی
نقشه های شناختی فازی خاکستری - نقشه های شناختی فازی - سیستم های مبتنی بر دانش - سیستم های پشتیبانی تصمیم گیری - نمایندگی دانش
ترجمه چکیده
اخیرا، نقشه شناختی خاکستری فازی (FGCM) به عنوان الحاقیه FCM پیشنهاد شده است. آن بر مبنای نظریه سیستم خاکستری می باشد، که بر روی حل مسائل با عدم اطمینان بالا، تحت مجموعه دیتای گسسته، ناکامل و کوچک متمرکز می باشد. گره های FGCM متغیر بوده و مفاهیم خاکستری را نمایندگی می کنند. ارتباط بین گره ها بوسیله لبه های جهت دار بیان می شود. یک لبه متصل کننده دو گره تاثیر سببی متغیرهای سببی بر روی تاثیر متغیر را مدل می نماید. از آنجایی که FGCMها روشهایی دوگانه بوده که سیستمهای خاکستری و نقشه های شناختی را ترکیب می نماید، هر علت توسط شدت خاکستریش اندازه گیری می شود. در این مطالعه یک فرآیند ساختمان بهبود یافته از FGCMها ارائه شده است، که یک مقدار شدت برای مقرر داشتن لرزش تاثیر علتی خاکستری را پیشنهاد می نماید تا بتواند از پس اعتماد تاثیر سببی بر روی متغییر اثر که در ابدا و پیش از این توسط پیشنهادهای متخصصین توصیف شده برآید. روش شناختی کاوش شده در یک مشکل تصمیم ساز طبی شناخته شده معروف وابسته به مشکل انتخاب برنامه ریزی درمان با پرتودرمانی در جایی بکارگیری شده که پیش از آن سودمندی FCMها در پشتیبانی از تصمیم اثبات شده است. با استفاده از مسئله پزشکی امتحان شده، FGCMها عملکرد و تواناییهای دینامیکیشان برای تقریب تصمیم گیری انسانی بهتر را نشان می دهند.
ترجمه مقدمه
نقشه های دریافتی ]1[گرافهای دوتایی نشانه گذاری شده ای می باشند که برای دریافت ادعاهای غیر رسمی یک شخص با توجه به دایره ای خاص طراحی شده و سپس از آنها استفاده می نماید تا تاثیرات جایگزینها مانند شیوه ها یا تصمیمهای تجاری با توجه به رسیدن به اهدافی مشخص تجزیه و تحلیل نماید. یک نقشه شناختی فازی (FCM) یک نمایش گرافیکی تشکیل یافته از گره هایی که مربوطترین فاکتورهای محیط تصمیم گیری را مشخص می نماید بوده و ارتباطهای بین این گره ها رابطه های بین آنها را مدل می کند ]11[. FCM یک روش مدلسازی برای سیستمهای تصمیم پیچیده می باشد ]7، 17، 27[، که از ترکیب منطق فازی و شبکه های عصبی نشات گرفته است. یک FCM رفتار یک سیستم را برحسب مفاهیم توصیف می نماید، که هر مفهوم یک ذات، یک حالت، یک متغیر یا مشخصه سیستم را نمایندگی می نماید ]5، 23، 26، 30، 32[. FCMها سیسامهای عصبی- فازی را تشکیل داده، که می توانند دانش متخصص را بهم پیوند دهد ]10، 11، 13، 16، 20، 24[. اخیرا یک متمم FCM که نقشه شناختی خاکستری فازی (FGCM) نامیده می شود توسط Salmeron [25] پیشنهاد شده است. FGCM بر مبنای تئوری سیستم خاکستری (GST) می باشد. نتایج بهبود یافته که با FGCM بدست آمده اند در مقایسه با روش FCM سنتی در یک بکارگیری در تکنولوژی اطلاعات ]25[ به ما انگیزه داد تا در مورد یک مدل FGCM بهبود یافته برای پشتیبانی تصمیم بررسی نماییم. مدل ارائه شده در این مقاله در ارزیابی تردید انسانی از طریق خاکستری بودن نه تنها در معنی ارتباطات معمولی بین مفاهیم بلکه همچنین در معنی مقدار مفاهیم همکاری می نماید. روش پیشنهادی FGCMها به یک ابزار پشتیبانی تصمیم مخلوط دو سطحی اعمال شد که برای انجام مسئله پیچیده تصمیم گیریها در درمان پرتو درمانی ساخته شده است. این ابزار از یک ابزار شبیه سازی درمان بالینی و یک ابزار تصمیم گیری سرپرست هر دو بر مبنای FGCMها که از فرآیند ساخت استفاده می نمایند تشکیل شده است. نتایج سیستم پشتیبانی تصمیم بر مبنای نقشه شناختی خاکستری فازی (FGCM-DSS) دارای معنی می باشند زیرا وزن و مقدارهای مفهومها بوسیله شدت خاکستریشان اندازه گیری شده تا تاثیرات قابل اعتمادتر به جای معمولی بین مفهومها را مانند حالتهای پایدار مفاهیم توصیف نموده و تحقیق ما را به سمت ایت نوع از سیستمهای پشتیبانی تصمیم در علم پزشکی سوق دهد. طرح کلی این مقاله بدین شکل می باشد: بخش 2 به طور مختصر تئوری سیستم خاکستری را ارائه می کند، بخش 3 تکنیک نقشه شناختی خاکستری فازی و مزیتهایش را نسبت به نقشه شناختی فازی کلاسیک توصیفمی کند. بخش 4 مشکلات پزشکی و تجزیه و تحلیل آزمایشگاهی آنها را نشان می دهد. در بخش 5، نتیج بهمراه بحث ادامه پیدا می کند و بخش 6 از مقاله نتیجه گرفته و در مورد سودمندی روش جدید برای FGCMها بحث می نماید. در نهایت یک پیوست چندین جدول با تمامی دیتاهای مسئله مربوط را نشان می دهد.
پیش نمایش مقاله
پیش نمایش مقاله نقشه های شناختی فازی خاکستری مبتنی بر سیستم پشتیبانی تصمیم گیری  برای برنامه ریزی

چکیده انگلیسی

Recently, Fuzzy Grey Cognitive Map (FGCM) has been proposed as a FCM extension. It is based on Grey System Theory, that it is focused on solving problems with high uncertainty, under discrete incomplete and small data sets. The FGCM nodes are variables, representing grey concepts. The relationships between nodes are represented by directed edges. An edge linking two nodes models the grey causal influence of the causal variable on the effect variable. Since FGCMs are hybrid methods mixing Grey Systems and Fuzzy Cognitive Maps, each cause is measured by its grey intensity. An improved construction process of FGCMs is presented in this study, proposing an intensity value to assign the vibration of the grey causal influence, thus to handle the trust of the causal influence on the effect variable initially prescribed by experts’ suggestions. The explored methodology is implemented in a well-known medical decision making problem pertaining to the problem of radiotherapy treatment planning selection, where the FCMs have previously proved their usefulness in decision support. Through the examined medical problem, the FGCMs demonstrate their functioning and dynamic capabilities to approximate better human decision making.

مقدمه انگلیسی

Cognitive Maps [1] are signed digraphs designed to capture the causal assertions of a person with respect to a certain domain and then use them to analyze the effects of alternatives, e.g.: policies or business decisions in respect to achieving certain goals. A Fuzzy Cognitive Map (FCM) is a graphical representation consisting of nodes indicating the most relevant factors of a decisional environment; and links between these nodes model the relationships between those ones [11]. FCM is a modeling methodology for complex decision systems [7], [17] and [27], which has originated from the combination of fuzzy logic and neural networks. A FCM describes the behavior of a system in terms of concepts; each concept representing an entity, a state, a variable, or a characteristic of the system [5], [23], [26], [30] and [32]. FCMs constitute neuro-fuzzy systems, which are able to incorporate experts’ knowledge [10], [11], [13], [16], [20] and [24]. Recently, a FCM extension, called Fuzzy Grey Cognitive Map (FGCM), has been proposed by Salmeron [25]. FGCM is based on Grey System Theory (GST). The improved results obtained with the FGCM in comparison with the conventional FCM approach on an Information Technology application [25] motivated us to investigate an enhanced FGCM model for decision support. The model presented in this paper co-evaluates human hesitancy through greyness not only in the definition of the causal relations between the concepts, but also in the definition of the concept values. The proposed methodology of FGCMs is applied to a two-level integrated decision support tool, constructed to handle the complex problem of making decisions in radiation therapy treatment. The tool consists of a clinical treatment simulation tool and a supervisor decision making tool based both on FGCMs, using the construction process. Fuzzy Grey Cognitive Map-based Decision Support System (FGCM-DSS) results are meaningful as weight and concepts values are measured by their grey intensity to describe more reliable than the causal influences among concepts as well as the concepts steady states and encourage our research towards this type of Decision Support Systems in medicine. The outline of this paper is as follow. Section 2 presents briefly the Grey System Theory. Section 3 describes the Fuzzy Grey Cognitive Map technique and its advantages over classical Fuzzy Cognitive Map. Section 4 shows the medical problems and their experimental analysis. In Section 5, the results with the discussion follow, and Section 6 concludes the paper and discusses the usefulness of the new methodology for FGCMs. Finally, an appendix shows several tables with all the relevant problem’s data.

نتیجه گیری انگلیسی

This study presents the results of a research on the problem of modeling medical knowledge and capturing the system’s behavior for decision support of radiotherapy treatment planning by using the new approach of FGCMs. More specific, this work proposes a decision support tool based on FGCM formalism for assessing radiotherapy decision making by proposing acceptable system behavior through updated weights that include the inherent uncertainty and fuzziness present in the medical domain. Our proposal represent a worthy approach that exhibits several advantages over the FCM one. It enables modeling of the uncertainty and experts’ hesitancy introduced in the description of the causal relations between the concepts of the cognitive map and in the description of the problem’s components. It is more general and approximate human decision making better than FCM. The output of the process includes a greyness measurement representing the uncertainty associated to the solution. Moreover, FGCMs are able to manage new kinds of relationships regarding FCM. The scope of the proposed methodology was not to achieve better accuracies or results compared with the FCM approaches, but to introduce a novel framework based on the FGCM-DSS that enhanced by greyness in concepts and edges values. Through the results, the prospective performance of the decision support framework based on FGCMs is emerged and encourage us continue towards the direction on including greyness in concepts and causal influences among concepts, thus making decisions contributing to more intelligent systems.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.