این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیق در عملیات در کاربردهای آن، جلد ۱۹، شماره ۲، صفحات ۱-۲۱
عنوان فارسی تشخیص کیفیت خلق مبتنی بر فعالیت‌های روزمره سالمند با استفاده از روش‌های تصمیم‌گیر و ابزارهای هوشمند (خانه، دستبند و تلفن همراه هوشمند)
چکیده فارسی مقاله با توجه به رشد پدیده سالمندی، استفاده از فناوری سامانه‌های هوشمند جهت نظارت بر فعالیت‌های روزمره که منجر به کاهش هزینه‌های نظارتی، مراقبتی و درمانی سالمندان می‌شود، موردتوجه قرارگرفته شده است. با توجه به این‌که، فعالیت‌های روزانه هر فرد با حالات خلقی وی مرتبط است، بنابراین با استفاده از الگوریتم‌های تصمیم‌گیر هوشمند مانند الگوریتم‌های یادگیری ماشین می‌توان این ارتباط را مدل نمود. در این تحقیق، برای مدل کردن حالات خلق با توجه به فعالیت‌های روزانه سالمند، از الگوریتم‌های تصمیم‌گیر هوشمندی از قبیل مدل احتمالاتی مبتنی بر شبکه بیزین قابل توصیف، ماشین بردار پشتیبان، K نزدیک‌ترین همسایه،‌ تحلیل متمایزکننده خطی، درخت تصمیم و یادگیری دسته‌بندی جمعی دسته‌ای و تقویتی استفاده‌شده است. بدین منظور سامانه هوشمندی شامل خانه، دستبند و تلفن همراه برای جمع‌آوری داده‌های موردنیاز جهت پیاده‌سازی، آموزش و ارزیابی مدل‌های پیشنهادی طراحی و آماده شد. با سامانه هوشمند موردنظر، فعالیت‌های روزانه فردی به مدت 5 ماه ثبت و با کمک گروه روانشناسی وضعیت خلق وی برچسب‌گذاری شد. نتایج به‌دست‌آمده نشان می‌دهد که روش‌های تصمیم‌گیری ماشین بردار پشتیبان و درخت تصمیم‌گیری دسته‌جمعی دسته‌ای می‌توانند با دقت بالایی حالات خلق شخص را با توجه به فعالیت‌های روزمره وی تشخیص دهند؛ اما به لحاظ کاربردی، مدل شبکه بیزین طراحی‌شده، به علت قابل توصیف بودن ارتباط میان متغیرهای مربوط به فعالیت و حالات خلق، به روانشناس در بررسی و تحلیل علل حالات خلق تشخیصی می‌تواند کمک مؤثرتری نماید.
کلیدواژه‌های فارسی مقاله الگوریتم‌های تصمیم‌گیر هوشمند، سالمندی، مدل بیزین، حالات خلق، خانه‌های هوشمند.
عنوان انگلیسی Elderly Daily Activity-Based Mood Quality Estimation Using Decision-Making Methods and Smart Facilities (Smart Home, Smart Wristband, and Smartphone)
چکیده انگلیسی مقاله Due to the growth of the aging phenomenon, the use of intelligent systems technology to monitor daily activities, which leads to a reduction in the costs for health care of the elderly, has received much attention. Considering that each person's daily activities are related to his/her moods, thus, the relationship can be modeled using intelligent decision-making algorithms such as machine learning. In this study, to model Mood according to the daily activities of the elderly, intelligent decision-making algorithms such as descriptive Bayesian network-based probabilistic model, support vector machine, K nearest neighbor, linear discriminant analysis, decision tree, and ensemble learning methods, such as Bagging and Boosting was used. For the mentioned purpose, an intelligent system, including smart home, wristband, and smartphone, was designed and prepared to collect the dataset, needed to implement, train, and evaluate the proposed intelligent models. With the intelligent system, an elderly woman's daily activities are recorded for five months and her mood status is labeled by a psychologist team. The obtained results prove that the decision-making methods of the support vector machine and the ensemble Bagging tree can accurately detect the person's moods according to her daily activities. However, in a practical aspect, the designed Bayesian network model is more effective to assist psychologists to analyze the causes of detected mood states, by providing a descriptive relationship between variables related to the daily activities and mood states.
کلیدواژه‌های انگلیسی مقاله Intelligent Decision Algorithms, Aging, Bayesian Model, Moods State, Smart Homes.
نویسندگان مقاله محسن فلاح راد | M. Falah Rad
Department of Computer Engineering, Rasht Branch, Islamic Azad University, Rasht, Iran
گروه کامپیوتر، واحد رشت،‌ دانشگاه آزاد اسلامی،‌ رشت، ایران

مجتبی شاکری | M. Shakeri
Department of Computer Engineering, Rasht Branch, Islamic Azad University, Rasht, Iran, Department of Computer Engineering, Faculty of Engineering, University of Guilan, Rasht, Iran
گروه کامپیوتر، واحد رشت،‌ دانشگاه آزاد اسلامی،‌ رشت، ایران و گروه کامپیوتر، دانشگاه گیلان، رشت، ایران

کامراد خوشحال رودپشتی | K. Khoshhal Roudposhti
Department of Computer Engineering, Lahijan Branch, Islamic Azad University, Lahijan, Iran
گروه کامپیوتر، واحد لاهیجان، دانشگاه آزاد اسلامی، لاهیجان، ایران

ایرج شاکری نیا | I. Shakerinia
Department of Psychology, Rasht Branch, Islamic Azad University, Rasht, Iran, Department of Psychology, University of Guilan, Rasht, Iran
گروه روانشناسی، واحد رشت، دانشگاه آزاد اسلامی، رشت، ایران و گروه روانشناسی، دانشگاه گیلان، رشت، ایران

نشانی اینترنتی http://jamlu.liau.ac.ir/browse.php?a_code=A-11-1473-1&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تخصصی
نوع مقاله منتشر شده کاربردی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات