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...
| Main Author: | |
|---|---|
| Format: | Thesis |
| Language: | English |
| Published: |
2024
|
| Subjects: | |
| Online Access: | http://eprints.usm.my/61006/1/FARAH%20MUNA%20BINTI%20MOHAMAD%20GHAZALI-FINAL%20THESIS%20P-SGD001519%28R%29-E.pdf |
| _version_ | 1811138914351579136 |
|---|---|
| author | Ghazali, Farah Muna Mohamad |
| author_facet | Ghazali, Farah Muna Mohamad |
| author_sort | Ghazali, Farah Muna Mohamad |
| collection | USM |
| 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. |
| first_indexed | 2024-09-25T03:57:46Z |
| format | Thesis |
| id | usm.eprints-61006 |
| institution | Universiti Sains Malaysia |
| language | English |
| last_indexed | 2024-09-25T03:57:46Z |
| publishDate | 2024 |
| record_format | dspace |
| spelling | usm.eprints-610062024-08-21T03:38:45Z http://eprints.usm.my/61006/ Kombinasi rangkaian neural buatan dengan model linear: aplikasinya dalam Sains Kesihatan 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 NonPeerReviewed application/pdf en http://eprints.usm.my/61006/1/FARAH%20MUNA%20BINTI%20MOHAMAD%20GHAZALI-FINAL%20THESIS%20P-SGD001519%28R%29-E.pdf Ghazali, Farah Muna Mohamad (2024) Kombinasi rangkaian neural buatan dengan model linear: aplikasinya dalam Sains Kesihatan. Other thesis, Universiti Sains Malaysia. |
| spellingShingle | R Medicine RA440-440.87 Study and teaching. Research RC0321 Neuroscience. Biological psychiatry. Neuropsychiatry Ghazali, Farah Muna Mohamad Kombinasi rangkaian neural buatan dengan model linear: aplikasinya dalam Sains Kesihatan |
| title | 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_short | Kombinasi rangkaian neural buatan dengan model linear: aplikasinya dalam Sains Kesihatan |
| title_sort | kombinasi rangkaian neural buatan dengan model linear aplikasinya dalam sains kesihatan |
| topic | R Medicine RA440-440.87 Study and teaching. Research RC0321 Neuroscience. Biological psychiatry. Neuropsychiatry |
| url | http://eprints.usm.my/61006/1/FARAH%20MUNA%20BINTI%20MOHAMAD%20GHAZALI-FINAL%20THESIS%20P-SGD001519%28R%29-E.pdf |
| work_keys_str_mv | AT ghazalifarahmunamohamad kombinasirangkaianneuralbuatandenganmodellinearaplikasinyadalamsainskesihatan |