مدیریت بازاریابی هوشمند

مدیریت بازاریابی هوشمند

بکارگیری شبکه‌های عصبی در بازاریابی پیش‌بینی کاهش وزن

نوع مقاله : استخراج از رساله دکتری

نویسندگان
1 دانش آموخته دکتری مدیریت فناوری اطلاعات شاخه کسب و کار هوشمند، گروه مدیریت، دانشکده مدیریت، دانشگاه آزاد اسلامی واحد کیش، ایران.
2 استادیار گروه مدیریت صنعتی، دانشکده مدیریت، دانشگاه آزاد اسلامی واحد کرج، ایران.
3 دانشیار گروه علوم تغذیه، دانشگاه علوم پزشکی مشهد، ایران .
چکیده
چاقی یکی از چالش‌های اساسی در حوزه سلامت عمومی است که می‌تواند منجر به بیماری‌های قلبی، دیابت نوع ۲ و فشار خون بالا شود. پیش‌بینی کاهش وزن نقش مهمی در مدیریت چاقی و بهینه‌سازی برنامه‌های رژیمی دارد. در این پژوهش، سه مدل یادگیری عمیق شامل شبکه‌های عصبی بازگشتی (RNN)، شبکه‌های عصبی کانولوشنی (CNN) و ترکیب این مدل‌ها با مکانیزم توجه (Attention) مورد بررسی قرار گرفتند. نتایج نشان داد که مدل CNN به‌تنهایی عملکرد بهتری نسبت به RNN داشته و اضافه کردن مکانیزم توجه به RNN تأثیر قابل‌توجهی در بهبود عملکرد آن نداشته است. بااین‌حال، افزودن مکانیزم توجه به CNN باعث افزایش دقت مدل شده و بهترین عملکرد را در بین مدل‌های مورد بررسی داشته است. این یافته‌ها اهمیت انتخاب مدل مناسب و بهره‌گیری از مکانیزم توجه در بهبود دقت پیش‌بینی کاهش وزن را تأیید می‌کند.
کلیدواژه‌ها

موضوعات


عنوان مقاله English

Using neural networks to predict weight loss

نویسندگان English

Anooshe Yazdan Bakhsh 1
Alireza Poor Ebrahimi 2
Abdolreza Norouzi 3
1 PhD in Information Technology Management, Smart Business Branch, Department of Management, Faculty of Management, Islamic Azad University, Kish Branch, Iran.
2 Assistant Professor, Department of Industrial Management, Faculty of Management, Islamic Azad University, Karaj Branch, Iran.
3 Associate Professor, Department of Nutrition Sciences, Mashhad University of Medical Sciences, Iran.
چکیده English

Obesity is a major public health challenge that can lead to heart disease, type 2 diabetes, and high blood pressure. Predicting weight loss plays an important role in obesity management and optimizing diet programs. In this study, three deep learning models, including recurrent neural networks (RNN), convolutional neural networks (CNN), and a combination of these models with an attention mechanism, were investigated. The results showed that the CNN model performed better than the RNN alone, and adding an attention mechanism to the RNN did not significantly improve its performance. However, adding an attention mechanism to the CNN increased the accuracy of the model and had the best performance among the models studied. These findings confirm the importance of choosing the appropriate model and utilizing the attention mechanism in improving the accuracy of weight loss prediction.

کلیدواژه‌ها English

Recurrent neural network
convolutional neural network
attention mechanism
weight loss prediction

  • تاریخ دریافت 08 اردیبهشت 1403
  • تاریخ بازنگری 04 اردیبهشت 1404
  • تاریخ پذیرش 18 خرداد 1404