@article { author = {Koochaki Rafsanjani, Marjan and فاطمی دخت, حمیده}, title = {Design of an Adaptive Fuzzy Nervous System as a Diagnostic Tool for Diabetes}, journal = {Fuzzy Systems and its Applications}, volume = {2}, number = {2}, pages = {205-222}, year = {2019}, publisher = {Iranian Fuzzy Systems Association}, issn = {2717-4409}, eissn = {2717-3984}, doi = {20.1001.1.27174409.1398.2.2.11.1=DOR}, abstract = {Expert Systems Are Widely Used In Medicine To Diagnose Diseases. One Of The Important Factors In Improving The Condition Of Patients Is The Speed Of Action In Diagnosing And Treating The Disease. Diabetes Is One Of The Most Common Diseases In The World And The Incidence Of This Disease Is Increasing Rapidly. Diabetes Is A Metabolic Disorder In The Body. In This Disease, The Speed And Ability Of The Body To Use And Complete Metabolism Of Glucose Decreases And Increases The Amount Of Blood Sugar In The Body. Fuzzy Logic Is An Important Method For Modeling Uncertainty In Expert Systems. In This Article, A Method For Diagnosing Diabetes Using A Fuzzy Expert System Is Presented. Due To The Fact That Membership Functions And Fuzzy Rules Play An Important Role In The Performance Of The Fuzzy Expert System, The Adjustment Of Membership Functions Has Been Done Using The Adaptive Fuzzy Neural Inference System. The Simulation Results Show That This Expert System Based On Fuzzy Rules Reduces The Time Of Diagnosis Of Diabetes And Has An Acceptable Performance With 95% Accuracy Of Diagnosis.}, keywords = {fuzzy expert system,Neural Network,Adaptive Fuzzy Neural,Diabetes Membership Functions}, title_fa = {طراحی یک سیستم عصبی فازی تطبیقی به عنوان یک ابزار تشخیصی بیماری دیابت}, abstract_fa = {سیستم‌های خبره به طور گسترده‌ای در پزشکی برای تشخیص بیماری‌ها استفاده می‌شوند. یکی از عوامل مهم در بهبود حال بیماران، سرعت عمل در تشخیص و درمان بیماری است. دیابت یکی از بیماری‌های شایع در جهان محسوب می‌شود که میزان ابتلا به این بیماری با سرعت در حال افزایش است. دیابت یا بیماری قند یک اختلال سوخت‌و‌سازی در بدن است. در این بیماری سرعت و توانایی بدن در استفاده و سوخت و ساز کامل گلوکز کاهش یافته و باعث افزایش میزان قند خون در بدن می‌شود. منطق فازی یک روش مهم برای مدل‌سازی عدم قطعیت در سیستم‌های خبره می‌باشد. در این مقاله با استفاده از سیستم خبره فازی روشی برای تشخیص بیماری دیابت ارائه شده است. با توجه به اینکه توابع عضویت و قوانین فازی در کارایی سیستم خبره فازی نقش مهمی دارند، تعدیل توابع عضویت با استفاده از سیستم استنتاج عصبی فازی تطبیقی انجام شده است. نتایج شبیه‌سازی، نشان می‌دهند که این سیستم خبره مبتنی بر قوانین فازی زمان تشخیص بیماری دیابت را کاهش داده و با دقت تشخیص 95% عملکرد قابل قبولی را دارد.}, keywords_fa = {سیستم خبره فازی,شبکه عصبی,عصبی فازی تطبیقی,توابع عضویت,دیابت}, url = {https://jfsa.fuzzy.ir/article_113417.html}, eprint = {https://jfsa.fuzzy.ir/article_113417_b121ccfb3f78f2ec8eae943714eff2c3.pdf} }