تقدم البحث نظام توقعات معتقدات الثعلب الأحمر العميق (DRFBPS) الجديد الذي يهدف إلى تعزيز التعرف المبكر على عوامل خطر الإصابة بأمراض القلب. نظرًا للزيادة المتزايدة في انتشار أمراض القلب بسبب عوامل نمط الحياة، يؤكد الدراسة على أهمية الكشف المبكر لتحسين نتائج المرضى. تعاني الطرق التنبؤية التقليدية غالبًا من مشاكل مثل اختيار الميزات غير المناسب والتكيف…

تبحث ورقة البحث في تطبيق تقنيات التعلم الجماعي، وتحديداً طرق التكديس والتصويت، لتحسين دقة التنبؤ بأمراض القلب. من خلال تدريب خمسة عشر نموذجاً أساسياً على مجموعتين بيانات مختلفتين لأمراض القلب، طورت الدراسة نماذج جماعية تجمع بين ستة نماذج أساسية باستخدام نموذج ميتا (تكديس) وتصويت الأغلبية (تصويت). أظهرت النتائج أن كلا الطريقتين الجماعيتين تفوقت على النماذج…

تستكشف هذه الورقة البحثية فعالية التحقق المتقاطع في تعزيز أداء نماذج التعلم الآلي المطبقة على مجموعات بيانات أمراض القلب. تستخدم الدراسة عملية جديدة لتحضير البيانات، تشمل تعويض الميزات العددية بالمتوسط، والميزات الفئوية باستخدام طرق كاي-تربيع، وتطبيق التطبيع. يتم مقارنة أربعة نماذج—الانحدار اللوجستي (LR)، آلة الدعم الناقل (SVM)، أقرب جار (KNN)، وغابة عشوائية (RF)—من خلال التحقق…

تتناول ورقة البحث تطوير قواعد الإنتاج الضبابية الموزونة (WFPRs) كعنصر حاسم في أنظمة دعم القرار السريري (CDSSs)، بهدف تحسين دقة التشخيص وتسهيل اتخاذ القرارات السريرية المستنيرة. يقترح المؤلفون نهجًا مبتكرًا يدمج خوارزمية البحث عن التناغم مع تعديل الأبعاد الديناميكي (DDA-HS) مع الشبكات العصبية ذات الانتشار العكسي (BPNNs) لتحسين استخراج WFPRs. تعزز خوارزمية DDA-HS عملية البحث…