Kombinasi rangkaian neural buatan dengan model linear: aplikasinya dalam Sains Kesihatan

Pembangunan metodologi yang mengintegrasikan model linear dan rangkaian neural buatan dalam bidang sains kesihatan adalah suatu pendekatan yang menarik untuk meningkatkan kualiti pemodelan berserta ramalan. Kajian sebelum ini cenderung memberi penekanan kepada teknik tunggal, yang terbukti tidak men...

Full description

Saved in:

Bibliographic Details
Main Author:	Ghazali, Farah Muna Mohamad
Format:	Thesis
Language:	English
Published:	2024
Subjects:	R Medicine
Online Access:	http://eprints.usm.my/61006/1/FARAH%20MUNA%20BINTI%20MOHAMAD%20GHAZALI-FINAL%20THESIS%20P-SGD001519%28R%29-E.pdf
Tags:	Add Tag No Tags, Be the first to tag this record!

id	my-usm-ep.61006
record_format	uketd_dc
spelling	my-usm-ep.610062024-08-21T03:38:45Z Kombinasi rangkaian neural buatan dengan model linear: aplikasinya dalam Sains Kesihatan 2024-05 Ghazali, Farah Muna Mohamad R Medicine RA440-440.87 Study and teaching. Research RC0321 Neuroscience. Biological psychiatry. Neuropsychiatry Pembangunan metodologi yang mengintegrasikan model linear dan rangkaian neural buatan dalam bidang sains kesihatan adalah suatu pendekatan yang menarik untuk meningkatkan kualiti pemodelan berserta ramalan. Kajian sebelum ini cenderung memberi penekanan kepada teknik tunggal, yang terbukti tidak mencukupi secara komprehensif. Justeru, terdapat keperluan secara statistik yang lebih holistik yang menggabungkan beberapa teknik, seperti model LiReNN, untuk meningkatkan ketepatan dalam pemodelan sains kesihatan. Kajian ini bertujuan untuk membangunkan model regresi linear dengan rangkaian neural yang menumpukan kepada kecekapan, tahap kompetensi, membuat peramalan, dan mengesahkan ketepatan model, serta mempermudah proses analisis data melalui antara muka pengguna grafik (GUI). Pendekatan gabungan ini melibatkan penggunaan butstrap, regresi linear, dan rangkaian neural hadapan suapan berbilang lapisan, disokong oleh GUI. Ketepatan kaedah dinilai melalui nilai MSE.net dan R2, menunjukkan peningkatan yang signifikan dalam ketepatan, keberkesanan, dan kecekapan analisis data. Hasil ini membantu dalam pembangunan metodologi penyelidikan yang lebih kukuh, menyokong keputusan yang lebih tepat, dan menyediakan penggunaan GUI yang lebih interaktif. Pendekatan ini meningkatkan keberkesanan aplikasi pemodelan LiReNN, membolehkan pengguna untuk mencapai hasil optimum tanpa keperluan kepada pengetahuan mendalam dalam pengaturcaraan atau analisis data. Secara keseluruhan, pendekatan ini tidak hanya meningkatkan ketepatan dan kecekapan analisis data, tetapi juga menyediakan antara muka pengguna yang lebih mesra pengguna dan efisien melalui penggunaan GUI. 2024-05 Thesis http://eprints.usm.my/61006/ http://eprints.usm.my/61006/1/FARAH%20MUNA%20BINTI%20MOHAMAD%20GHAZALI-FINAL%20THESIS%20P-SGD001519%28R%29-E.pdf application/pdf en public other Universiti Sains Malaysia Pusat Pengajian Sains Kesihatan
institution	Universiti Sains Malaysia
collection	USM Institutional Repository
language	English
topic	R Medicine R Medicine R Medicine
spellingShingle	R Medicine R Medicine R Medicine Ghazali, Farah Muna Mohamad Kombinasi rangkaian neural buatan dengan model linear: aplikasinya dalam Sains Kesihatan
description	Pembangunan metodologi yang mengintegrasikan model linear dan rangkaian neural buatan dalam bidang sains kesihatan adalah suatu pendekatan yang menarik untuk meningkatkan kualiti pemodelan berserta ramalan. Kajian sebelum ini cenderung memberi penekanan kepada teknik tunggal, yang terbukti tidak mencukupi secara komprehensif. Justeru, terdapat keperluan secara statistik yang lebih holistik yang menggabungkan beberapa teknik, seperti model LiReNN, untuk meningkatkan ketepatan dalam pemodelan sains kesihatan. Kajian ini bertujuan untuk membangunkan model regresi linear dengan rangkaian neural yang menumpukan kepada kecekapan, tahap kompetensi, membuat peramalan, dan mengesahkan ketepatan model, serta mempermudah proses analisis data melalui antara muka pengguna grafik (GUI). Pendekatan gabungan ini melibatkan penggunaan butstrap, regresi linear, dan rangkaian neural hadapan suapan berbilang lapisan, disokong oleh GUI. Ketepatan kaedah dinilai melalui nilai MSE.net dan R2, menunjukkan peningkatan yang signifikan dalam ketepatan, keberkesanan, dan kecekapan analisis data. Hasil ini membantu dalam pembangunan metodologi penyelidikan yang lebih kukuh, menyokong keputusan yang lebih tepat, dan menyediakan penggunaan GUI yang lebih interaktif. Pendekatan ini meningkatkan keberkesanan aplikasi pemodelan LiReNN, membolehkan pengguna untuk mencapai hasil optimum tanpa keperluan kepada pengetahuan mendalam dalam pengaturcaraan atau analisis data. Secara keseluruhan, pendekatan ini tidak hanya meningkatkan ketepatan dan kecekapan analisis data, tetapi juga menyediakan antara muka pengguna yang lebih mesra pengguna dan efisien melalui penggunaan GUI.
format	Thesis
qualification_level	other
author	Ghazali, Farah Muna Mohamad
author_facet	Ghazali, Farah Muna Mohamad
author_sort	Ghazali, Farah Muna Mohamad
title	Kombinasi rangkaian neural buatan dengan model linear: aplikasinya dalam Sains Kesihatan
title_short	Kombinasi rangkaian neural buatan dengan model linear: aplikasinya dalam Sains Kesihatan
title_full	Kombinasi rangkaian neural buatan dengan model linear: aplikasinya dalam Sains Kesihatan
title_fullStr	Kombinasi rangkaian neural buatan dengan model linear: aplikasinya dalam Sains Kesihatan
title_full_unstemmed	Kombinasi rangkaian neural buatan dengan model linear: aplikasinya dalam Sains Kesihatan
title_sort	kombinasi rangkaian neural buatan dengan model linear: aplikasinya dalam sains kesihatan
granting_institution	Universiti Sains Malaysia
granting_department	Pusat Pengajian Sains Kesihatan
publishDate	2024
url	http://eprints.usm.my/61006/1/FARAH%20MUNA%20BINTI%20MOHAMAD%20GHAZALI-FINAL%20THESIS%20P-SGD001519%28R%29-E.pdf
_version_	1811772872454045696

Kombinasi rangkaian neural buatan dengan model linear: aplikasinya dalam Sains Kesihatan

Similar Items