کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | ترجمه فارسی | نسخه تمام متن |
---|---|---|---|---|---|
7376776 | 1480108 | 2017 | 4 صفحه PDF | 6 صفحه WORD | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Management of health care expenditure by soft computing methodology
ترجمه فارسی عنوان
مدیریت هزینه مراقبت درمانی با روش رایانش نرم
همین الان دانلود کنید
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
دانلود مقاله + ترجمه آماده
36 هزار تومان
کلمات کلیدی
تولید ناخالص ملی، هزینه مراقبت درمانی، پیشبینی ، رایانش نرم
فهرست مطالب مقاله
چکیده
کلمات کلیدی
1.مقدمه
جدول 1. پارامترهای ورودی هزینه سلامت
2. روش تحقیق
1.2. هزینه مراقبت درمانی
2.2. برنامه کاربردی رگرسیون بردار پشتیبان
3. نتایج و بحث
1.3. نتایج SVR
شکل 1. پیشبینی GDP با: روشهای (a) SVR، (b) ANN و (c) GP.
4. نتیجهگیری
جدول 2. دقت پیشبینی GDP برطبق هزینه مراقبت درمانی
کلمات کلیدی
1.مقدمه
جدول 1. پارامترهای ورودی هزینه سلامت
2. روش تحقیق
1.2. هزینه مراقبت درمانی
2.2. برنامه کاربردی رگرسیون بردار پشتیبان
3. نتایج و بحث
1.3. نتایج SVR
شکل 1. پیشبینی GDP با: روشهای (a) SVR، (b) ANN و (c) GP.
4. نتیجهگیری
جدول 2. دقت پیشبینی GDP برطبق هزینه مراقبت درمانی
ترجمه چکیده
در این تحقیق، هزینه مراقبت درمانی با روش رایانش نرم مدیریت شد. هدف اصلی پیشبینی تولید ناخالص ملی (GDP) برطبق چند عامل هزینه مراقبت درمانی است. روشهای رایانش نرم اجرا شد چون پیشبینی GDP فعالیتی خیلی پیچیده است. عملکرد پیشبینهای پیشنهادی با نتایج شبیهسازی تایید شد. برطبق این نتایج، رگرسیون بردار پشتیبانی (SVR) دقت پیشبینی بهتری در مقایسه با سایر روشهای رایانش نرم داشتند. روشهای رایانش نرم از قابلیتهای رایانش نرم بهینهسازی جهانی برای اجتناب از حداقل مسائل محلی سود میبرند.
© 2016 الزویر B.V.. تمام حقوق محفوظ است.
موضوعات مرتبط
مهندسی و علوم پایه
ریاضیات
فیزیک ریاضی
چکیده انگلیسی
In this study was managed the health care expenditure by soft computing methodology. The main goal was to predict the gross domestic product (GDP) according to several factors of health care expenditure. Soft computing methodologies were applied since GDP prediction is very complex task. The performances of the proposed predictors were confirmed with the simulation results. According to the results, support vector regression (SVR) has better prediction accuracy compared to other soft computing methodologies. The soft computing methods benefit from the soft computing capabilities of global optimization in order to avoid local minimum issues.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Physica A: Statistical Mechanics and its Applications - Volume 465, 1 January 2017, Pages 370-373
Journal: Physica A: Statistical Mechanics and its Applications - Volume 465, 1 January 2017, Pages 370-373
نویسندگان
Goran MaksimoviÄ, SrÄan JoviÄ, Radomir JovanoviÄ, Obrad AniÄiÄ,
همین الان دانلود کنید
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
دانلود مقاله + ترجمه آماده
36 هزار تومان