@ARTICLE{Zabbah, author = {Zabbah, Iman and Eskandari, Asma and Sardari, Zahra and Noghandi, Abolfazl and }, title = {Diagnosis of Diabetes using Artificial Neural Network and Neuro-Fuzzy approach}, volume = {6}, number = {2}, abstract ={زمینه و هدف: یﮑﯽ از ﻣﺸﮑﻼت اﺳﺎﺳﯽ ﺑﯿﻤﺎری دیابت عدم‌تشخیص به‌موقع و درمان ﺻﺤﯿﺢ آن است. مطالعه حاضر با هدف تشخیص بیماری دیابت با استفاده از روش‌ مبتنی برداده کاوی انجام ‌شده است. روش­ ها: این مطالعه از نوع تحلیلی بوده و پایگاه داده آن مشتمل بر 768 نفر با 8 ویﮋﮔﯽ می‌باشد. در این پژوهش از شبکه‌های عصبی مصنوعی و عصبی-فازی جهت تشخیص بیماری دیابت و انجام محساسبات استفاده ‌شد. تحلیل آماری با استفاده از نرم افزار SPSS 23 و برنامه نویسی در محیط نرم افزار MATLAB 2018انجام شده است. به‌منظور حصول دقت واقعی از روش Kfold جهت تفکیک نمونه‌ها به دو دسته آموزش (Train) و آزمون (Test) استفاده‌ گردید. نتایج: خطای محاسبه‌شده بر اساس میانگین مربعات خطا (mean square error) در روش شبکه عصبی مصنوعی پرسپترون چندلایه (MLP) و شبکه عصبی بردار یاد گیر کوانتیزه (Learning Vector Quantization) و شبکه‌های عصبی-فازی (Nero fuzzy) به ترتیب 98/6% و 98/2% و 99/6% بدست آمد. نتیجه­ گیری: با توجه به نتایج مطالعه، بنظر می رسد استفاده از مدل‌های مبتنی برداده کاوی می‌تواند بعنوان یک روش کمکی در تشخیص بیماری دیابت کارآمد باشد. اگرچه روش های مورد مطالعه با دقت قابل قبول توانایی امکان پیش بینی بیماری دیابت را دارند اما نتایج مطالعه نشان می دهد که روش مبتنی بر عصبی فازی دقت بالاتری دارند. }, URL = {http://jms.thums.ac.ir/article-1-500-fa.html}, eprint = {http://jms.thums.ac.ir/article-1-500-fa.pdf}, journal = {Journal title}, doi = {}, year = {2018} }