کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
This study investigates machine learning algorithms to identify objective features for diagnosing food addiction (FA) and assessing confirmed symptoms (SC). Data were collected from 81 participants (mean age: 21.5 years, range: 18-61 years, women: 77.8%) whose FA and SC were measured using the Yale Food Addiction Scale (YFAS). Participants provided demographic and anthropometric data, completed the YFAS, the Zung Self-Rating Depression Scale, and the Dutch Eating Behavior Questionnaire, and wore an actimeter on the non-dominant wrist for a week to record motor activity. Analysis of the actimetric data identified significant statistical and entropy-based features that accurately predicted FA and SC using ML. The Matthews correlation coefficient (MCC) was the primary metric. Activity-related features were more effective for FA prediction (MCC=0.88) than rest-related features (MCC=0.68). For SC, activity segments yielded MCC=0.47, rest segments MCC=0.38, and their combination MCC=0.51. Significant correlations were also found between actimetric features related to FA, emotional, and restrained eating behaviors, supporting the model's validity. Our results support the concept of a human bionic suite composed of IoT devices and ML sensors, which implements health digital assistance with real-time monitoring and analysis of physiological indicators related to FA and SC.
چکیده به فارسی (ترجمه ماشینی)
این مطالعه الگوریتم های یادگیری ماشین را برای شناسایی ویژگی های عینی برای تشخیص اعتیاد به مواد غذایی (FA) و ارزیابی علائم تأیید شده (SC) بررسی می کند.داده ها از 81 شرکت کننده (میانگین سنی: 21.5 سال ، دامنه: 18-61 سال ، زنان: 77.8 ٪) جمع آوری شد که FA و SC با استفاده از مقیاس اعتیاد به مواد غذایی Yale (YFA) اندازه گیری شدند.شرکت کنندگان داده های جمعیتی و آنتروپومتریک را ارائه دادند ، YFA ها ، مقیاس افسردگی خودآزایی Zung و پرسشنامه رفتار هلندی را به پایان رساندند و برای ثبت فعالیت حرکتی ، یک هفته را روی مچ دست غیر غالب پوشیدند.تجزیه و تحلیل داده های actimetric ویژگی های آماری و آنتروپی قابل توجهی را شناسایی کرد که با استفاده از ML به طور دقیق FA و SC را پیش بینی می کردند.ضریب همبستگی متیوز (MCC) متریک اصلی بود.ویژگی های مربوط به فعالیت برای پیش بینی FA (MCC = 0.88) نسبت به ویژگی های مرتبط با استراحت مؤثر بود (MCC = 0.68).برای SC ، بخش های فعالیت MCC = 0.47 ، بخش های استراحت MCC = 0.38 و ترکیب آنها MCC = 0.51 را به همراه داشت.همبستگی معنی داری بین ویژگیهای اکتیومتریک مربوط به FA ، رفتارهای غذایی عاطفی و محدود شده ، با حمایت از اعتبار مدل مشاهده شد.نتایج ما از مفهوم مجموعه بیونیک انسانی متشکل از دستگاه های IoT و سنسورهای ML پشتیبانی می کند ، که کمک های دیجیتالی سلامت را با نظارت در زمان واقعی و تجزیه و تحلیل شاخص های فیزیولوژیکی مربوط به FA و SC انجام می دهد.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
