Enhanced bio-inspired mantaray for genes selection of alzheimer's disease using microarray datasets an architecture

Önemli bir nörodejeneratif hastalık olan Alzheimer hastalığı (AH), amiloid plaklar ve nörofibriler yumaklar ile karakterize karmaşık patofizyolojisi nedeniyle erken teşhis ve tedavisinde önemli zorluklar yaratmaktadır. Mikrodizi teknolojisi, makine öğrenimi, yapay zeka ve veri madenciliği analiz tekniklerindeki son gelişmeler, AH'nin genetik temellerini anlamak için önemli bir potansiyel taşımaktadır. Bununla birlikte, makine öğrenimi kullanılarak AH'nin tahmini, gen ifade veri kümelerinin analizini çevreleyen çeşitli zorluklarla karşı karşıyadır. Yüksek boyutlu hastalığın mikrodizi veri kümelerinin neden olduğu "boyutluluk laneti"nde özetlendiği gibi, hastalığın doğru tahmini aşırı uyum, önyargı ve hesaplama gereksinimlerinden önemli ölçüde etkilenebilir. Bu zorluğun üstesinden gelmek için, Alzheimer yüksek boyutlu gen ifade veri kümelerinin etkisini hafifletmek ve genel makine performansını artırmak için gen seçim yöntemleri uygulanmaktadır. AD mikrodizi veri kümeleriyle ilişkili mevcut gen seçim yöntemlerinin sınırlamalarını eleştirel bir şekilde inceleyen bu tez, gen ifadesi veri kümelerinin geniş ve kapsamlı arama alanını verimli bir şekilde keşfetmek üzere tasarlanmış, Mant Ray Yemleme Optimizasyon Algoritması MRFO'yu kullanan yeni bir biyolojik olarak ilham alan sarmalayıcı sunmuştur. İşaret Rastgele Mutasyonu, En İyi Sıralama yaklaşımı ve Hibrit Sınır Fonksiyonu dahil olmak üzere MRFO'ya