Skip Navigation Linksلیست مقالات ترجمه شده / خرید و دانلود
841,500

پیش از اقدام به خرید ترجمه فارسی می توایند نسخه انگلیسی را به صورت رایگان دانلود و بررسی نمایید. متن چکیده و ترجمه آن در پایین همین صفحه قابل مشاهده است.
دانلود رایگان مقاله انگلیسی
موسسه ترجمه البرز اقدام به ترجمه مقاله " مهندسی فناوری اطلاعات " با موضوع " مدل شبکه بیزین برای تحلیل عملکرد شناسایی در سیستم های نظارتی " نموده است که شما کاربر عزیز می توانید پس از دانلود رایگان مقاله انگلیسی و مطالعه ترجمه چکیده و بخشی از مقدمه مقاله، ترجمه کامل مقاله را خریداری نمایید.
عنوان ترجمه فارسی
مدل شبکه بیزین برای تحلیل عملکرد شناسایی در سیستم های نظارتی
نویسنده/ناشر/نام مجله :
American Medical Informatics Association
سال انتشار
2009
کد محصول
1010331
تعداد صفحات انگليسی
5
تعداد صفحات فارسی
12
قیمت بر حسب ریال
841,500
نوع فایل های ضمیمه
Pdf+Word
حجم فایل
411 کیلو بایت
تصویر پیش فرض




Abstract

Worldwide developments concerning infectious diseases and bioterrorism are driving forces for improving aberrancy detection in public health surveillance. The performance of an aberrancy detection algorithm can be measured in terms of sensitivity, specificity and timeliness. However, these metrics are probabilistically dependent variables and there is always a trade-off between them. This situation raises the question of how to quantify this tradeoff. The answer to this question depends on the characteristics of the specific disease under surveillance, the characteristics of data used for surveillance, and the algorithmic properties of detection methods. In practice, the evidence describing the relative performance of different algorithms remains fragmented and mainly qualitative. In this paper, we consider the development and evaluation of a Bayesian network framework for analysis of performance measures of aberrancy detection algorithms. This framework enables principled comparison of algorithms and identification of suitable algorithms for use in specific public health surveillance settings

چکیده

پیشرفت ­های جهانی در حیطه بیماری­ های عفونی و بیوتروریسم موجب تولید و گسترش تجهیزاتی برای اصلاح تشخیص ­های نابجا در نظارت بر سلامت عمومی شده است. کارایی یک الگوریتم تشخیص نابجا را می­ توان از لحاظ حساسیت، ویژگی و تشخیص به موقع بررسی کرد. با این وجود این معیارها متغیر­های وابسته­ احتمالاتی هستند و همواره تعادلی میان آنها وجود دارد. در چنین وضعیتی این سؤال پیش می ­آید که چگونه این تعادل را برقرار و کمّی­ سازی کنیم. پاسخ این سؤال به ویژگی­ های بیماری مشخص تحت نظارت، ویژگی­ های داده ­های استفاده شده برای نظارت و ویژگی­ های الگوریتمی روش شناسایی بستگی دارد. در عمل شواهدی که عملکرد نسبی الگوریتم ­های متفاوت را توصیف می­ کنند، بصورت غیر یکپارچه و عموماً بصورت کیفی باقی می­ مانند. ما در این مقاله، ایجاد و ارزیابی چارچوب یک شبکه بیزین را جهت تحلیل و بررسی کارایی الگوریتم­ های تشخیص نابجا مد نظر می­ گیریم. این چارچوب مقایسه اصولی و پایه الگوریتم­ ها و همچنین شناسایی الگوریتم ­های مناسب جهت استفاده در نظارت سلامت عمومی در بیماری­ های خاص را محیا می­ سازد.

1-مقدمه

شیوع بیماری­ های عفونی به طور منظم اتفاق می ­افتد که این بیماری­ ها، هزینه ­ها و خسارات قابل توجهی را به بار می ­آورد [10]. متاًسفانه خطر شیوع بیماری­ ها در آینده به بخاطر به وجود آمدن مداوم بیماری­ های جدید و محدودیت­ های سیستم­ های کنونی ما قابل توجه است [14,5]. اگر شیوع های آینده به سرعت شناسایی شوند، راه­ کار­های مؤثری جهت محدود کردن خسارات اقتصادی و سلامتی وجود دارند [4,17]...



این مقاله ترجمه شده مهندسی فناوری اطلاعات در زمینه کلمات کلیدی زیر است:



Bayesian Network Model

ثبت سفارش جدید