雷竞技网页版研究和评论——国际期刊雷竞技苹果下载

国际期刊的创新在计算机和通信工程的研究

菜单

ISSN在线(2320 - 9801)打印(2320 - 9798)

所有提交的电磁系统将被重定向到在线手稿提交系统。作者请直接提交文章在线手稿提交系统各自的杂志。

模糊营养系统

约书亚·m·Krbez Adnan Shaout
电气和计算机工程的部门,密歇根大学迪尔伯恩,迪尔伯恩小姐48128,
美利坚合众国
相关文章Pubmed,谷歌学者

访问更多的相关文章国际期刊的创新在计算机和通信工程的研究

国际期刊的创新在计算机和通信工程的研究

文摘

提出了一种模糊逻辑饮食日志系统基于食物摄入量的前提下控制系统。过去在模糊饮食分析覆盖工作。这一直持续到过去的讨论的优点和缺点的工作和模糊合成要求饮食分析系统与食物的建议。拟议的系统描述和实现。两种方法对营养的反馈,一个模糊,另一酥,进行了比较。之间模糊的有用性进行了比较和脆的饮食数据从用户的角度来看。

关键字
模糊的饮食,饮食杂志,模糊营养、模糊本体,食物的建议,饮食计划

介绍
尽管理解特定的食物选择的潜在生物影响一样容易与有关条款执行搜索的文章,全面了解所有潜在的饮食影响实时更为复杂。例如,有人可能是低脂肪饮食来减肥。那个人可能是集中在减少脂肪,他或她想念饮食中其他变量,如不够消费其他营养素。这就是饮食日志记录和分析是有益的。
因为营养的消费可能被视为一个控制系统,这是一个案例,一个模糊系统将是有用的。这个地区过去的工作已经完成。例如,其他系统利用基于偏好的模糊本体推荐健康食品和条件[5][9],[10],[12]。
这个项目的目的是回顾模糊方法与饮食日志记录,并实现某种形式的模糊系统的反馈或饮食计划。将从文献中提取营养模型,用模糊值相应的分配。
本文的其余部分被分成6部分。第二部分简要概述论文中使用的核心概念。第三部分执行的审查在营养中使用模糊逻辑系统。接下来,第四部分讨论了相关工作的优点和缺点的每个工作如何描述问题空间。每个分段覆盖一个特定的问题,合理的结尾,以证据为基础的结论本文需要的方向。第五部分解释了本文的模糊推理是建立。第六部分解释了其实现与现有的饮食日志软件和集成。第七部分比较模糊系统的有用性与各种新鲜的方法,和八世提供一个结论模糊方法的成功,与进一步研究的建议。

二世。背景

答:模糊集合理论
模糊集第一次提出的德[1]作为一种表达程度的会员在模糊的一组,而不是脆,术语。后来他阐述了提出用模糊集表示可能性分布,通过的可能性/相关的概率分布概率一致性原则[2]。这些原则是利用在这工作。
b .模糊本体
本体方法为代表的知识(如一个想法、事实或概念)及其其他知识的关系[3]。因为古典本体论不具备处理不确定性或模糊性,它们与模糊数据组成模糊本体扩展:模糊本体本体增加一定的道理,描述了一个项目的程度是一个类的实例的物品[4]。这是构造一组有用的知识领域,并运行一些自动推理过程的知识,考虑上述会员/关系。

模糊概念的营养
模糊集理论是非常适合饮食分析是因为营养摄入的影响持续的价值;没有清晰的数量高于或低于营养应该或不应该消费,表明存在剂量-反应曲线如图1所示[15]。此外,任何推理基于营养消费必须基于科学的经验数据,因为这是唯一有用的手段确认材料的知识。是不争,虽然数学概念可能肯定地证明,材料的观察可能永远无法达到绝对的确定性,因此科学的结论是最好的表达程度的不确定性,或模糊性,根据结论性的数据。

三世。背景

答:研究方法
为了评估的艺术状态的模糊系统应用于饮食信息,执行IEEE Xplore数据库的搜索关键字“模糊”和“饮食”。14篇文章被返回,其中7的文章特别相关评估的健康饮食[6]。此外,搜索“模糊”和“营养”了,也产生了一个额外的2相关文章[13]。一个额外的时事性文章通过引用([15])被发现在[14],并添加到评论。下面是一个简单的简介覆盖每一个10的研究。

总结相关的工作
[5]关注糖尿病管理。它利用T2FO构建三个6-layer T2FOs:
1。模糊本体个人资料包括地区、年龄、性别、身高体重、饮食习惯等等。层六组用户的人口统计数据,如:“男孩”、“额外的苗条”,“大”等。
2。模糊食物本体,对于每个代表食品集团和常量营养元素含量数据,这样可以减少热量高、中或低的。
3所示。模糊的个人食品本体由两套,计划和实际饮食,最终解决是否很多或很少吃,或者应该被吃掉。
系统允许一个领域专家进入饮食目标和食品。一个用户,一个概要文件,然后输入吃东西。上面定义的组T2FOs,基于这些输入,咨询了一个“智能饮食推荐代理”创建一个个性化的膳食计划,其中包含建议从6份食品组。
[6]涉及建立一个饮食使用模糊本体建模语言(件)。它包括基于模糊推理与模糊逻辑变量,模糊的术语,在模糊集和隶属函数,为用户提供健康的象征。健康分为五个州:VeryUnhealthy,不健康的,健康,VeryHealthy MediumHealthy。这些分类是由独立系统,然后由领域专家。研究结果相比与领域专家系统的性能
在[7],构造染色体编码FML本体与许多基因包含:知识库的模糊规则库,和模糊的篱笆。知识库的建立与数据从台湾的食物。一个类别层对食物分类他们组成一顿饭(例如“配菜”,“甜点”,或“饮料”)。就像在[6],建立了健康水平,尽管在这种情况下是由不同的输入,即三大营养素(碳水化合物、蛋白质和脂肪)翻译成比例的总热量:比例的碳水化合物,蛋白质,和脂肪(PCC,卡式肺囊虫肺炎和PCF),分别。平衡的定义的食品集团,或者食品集团资产(FGB)计算。热量和消耗的卡路里比计划(PCR)除以计划从实际计算卡路里。这五个输入:PCC,卡式肺囊虫肺炎、PCF FGB, PCR,用于模糊规则映射到低,中,和高模糊术语中,饮食健康水平(DHL)。测试系统中,七个学生进入他们的饮食数据和系统由领域专家评估。遗传系统训练和评估专家。
在[8],构造一个系统就像[5],只有五模糊本体而不是六,和组信息,PCC,卡式肺囊虫肺炎,PCF, FGB,用作输入[7]一样,但不包括聚合酶链式反应的技术,包括热量密度(CD),这是一个表达消耗的卡路里热量的食物。还有一个用户配置文件输入像[3],但它只包括身体质量指数(BMI)类别:体重、正常、超重和肥胖。输出,还在[7],DHL。
同样,在[10]层组成的三层构造T2FO域,类别,和概念层、项目和营养子层。输出是DHL,关注健康饮食状况的可能性。
在[9]和[12],改善糖尿病维护是寻求通过食物集群使用台湾卫生部(哎)数据库作为膳食的基础数据。在[9],专家排名每个营养糖尿病患者的重要性,在[12],专家确定最佳范围为每个糖尿病患者的营养。这个排名是用作重量对养分的总量增加,对于每个在每个食品营养,给每个食品的总分。然后,会凝聚的层次聚类算法(HCA),基于平均距离(而不是完整的或单一)联系是用于创建分层集群,然后分配给类(同义,但比“食品集团”)有关。然后,食物是排名在每个类使用两种方法:水平定位,和细粒度的排名,根据大量的营养和推荐的营养,分别。水平定位方法是基于七大营养素:热量、水分、蛋白质、脂肪、碳水化合物、纤维、和胆固醇。每种食物都有其七营养营养值排名分为三个类别:低、中、高。细粒度的排名是基于每个养分的正面或负面的影响对糖尿病护理。通过这种方式,食品由营养它们包含分组,然后在每个养分的正面与负面健康影响。在[9],该信息仅用于生成食物本体树命名,在[12],本体树命名食物替代推荐系统中实现。 A user of the system would enter their weight, and the system would use this and the dietary needs of diabetics to calculate required nutrients, presenting the user with a set of food recommendations. If the user dislikes a food, that food may be removed and the system finds a replacement using the ontology naming tree.
[11],血糖水平(BGL)、饮食运动和胰岛素政权(一些)和X(压力、疾病、怀孕等)作为输入在一个人工神经网络(ANN)学习最好的一些优化BGL政权。培训的“Elman”三层安95个神经元在复发性层进行使用反向传播,在复发性层使用tan-sigmoidal函数和输出层使用一个线性函数。培训进行少量的数据,和两个受试者发现测试安的输出的有效性。包括建议去噪技术在未来使用。
一个由自定义食物数据库用于[13]。营养学家描述输入数据和模糊值可能不精确。糖尿病用户输入他们的年龄、身高、体重、身体活动,诊断为用户配置文件。然后输入他们的食品和大量消耗。认为在这个过程中不精确来自三个地方:(1)品种的食物,只有一个数据库中的条目,(2)营养学家猜测中包含的营养食品,没有分析,和(3)由用户测量误差。这些都是作为梯形模糊区间,并添加使用模糊算术计算用户的每日摄取的营养,导致一个向量的模糊数相比nutritionist-determined正常摄入的营养(也是一个梯形模糊区间)。向用户显示的结果是作为一个Galvameter饮食条目之后,和建议关于轻微改变饮食是由使用平衡算法。
Sandham etl。[11]实现一个模糊推理系统(FIS)的密度估计食品使用两个输入:烹饪温度和烹饪时间。规则是基于经验证据收集的执行几个煎预处理实验炸薯条。结果与测试集和系统的平均误差为2.2%。
系统等[15]对营养摄入的剂量反应曲线的语言变量包括:临床、关键,足够了,和优化,为每个营养。成员值从0到1是基于德国营养建议6个别25公里和51营养与光的活动水平和平均体重。上限为胆固醇,酒精和蔗糖也认为,与隶属度函数不是从0开始。汉明距离的定义是基于“厨房单位”,这是类似于服务大小差不多,可用于建议改变饮食必要的数量。建议为了解决冲突的食物可能包含一个营养而不是其他,调和平均数运营商可以用于每个营养价值确定普雷罗(PV),它可以用来确定最佳的特定食物的摄入量,可以用来显示小的饮食变化。没有系统产生[15];它指出一个假想的使用模糊集饮食分析
下面的表,我总结了过去的工作覆盖前面的剧情简介。

四、讨论

答:食品分类
食品分类方法[5]的结果不合理的边界。两个例子是:食品集团和地区分类。食品集团成员可以有显著差异,使得这一类有用的比养分含量[9],[12]的问题识别和减轻。此外,食物在营养成分的不同群体可能是类似的。例如,增加蛋白质消费目标可以简单地使用乳制品与肉类,甚至谷物和豆类的组合。分析其他营养素是否包含在这些食物(脂肪和碳水化合物含量)将适合的食物计划是比食物更相关的组。
此外,特色食物之间应该存在不是定义,导致近视的系统。例如,“谷物和淀粉”集团[5]不分辨是否全谷物食品。因为营养成分不包括纤维,这些信息是完全缺席。纤维和全麦食品是一个重要的组成部分在控制糖尿病[21]的目标系统在这些文章中。此外,微量元素在糖尿病的发病和控制重要[17]被排除在这些T2FO系统。与前面的点,减少食物一组已知的成分比这些人工分类更具描述性的,因为它包含重要的食物之间的区别。
最后一个理由丢弃食物分类是在消化分解成其组成,乞讨简化的方法。对于上述原因,本文系统将使用营养成分和元素,而不是任何食物分组,分析每一种食物。通过这种方式,而不是发展一个复杂的系统,各种各样的弱点,一个健壮的和简化的系统将建,作用于已知信息。

b .层次结构的证据
专家意见被用来填充模糊系统[5]。这种类型的数据占据最低级层次的证据[24],如图2所示。感染了偏见、利益冲突,分歧,被认为是有用的只有当证据是弱[25]。系统在[5]占使用T2FO专家意见的不确定性。然而,这种程度的不确定性时不必要的系统回顾和荟萃分析[24]。雷竞技苹果下载使用这种低质量的数据超过抵消任何潜在收益的使用2型模糊系统来表达不确定性。注意,这些系统基于用户满意度的评价报告从一个组的参与者。更注重实效的方法比较两组糖尿病管理的成功(使用系统的一组,对照组不)。这种缺乏经验反馈解释了前面描述的缺陷会作者的注意。
[11]和[14]的系统依赖于直接观察和实证分析,这是一个改进的证据层次结构中的位置,但这些系统有限的应用程序。[15]的研究其食品分析基于系统评价由德国营养协会(DGE),美国国家科学院(NAS)和美国农业部(USDA)。雷竞技苹果下载这个证据是证据的顶点的层次结构,因为它是来自系统综述和荟萃分析[24],构成一个求和数以百计的实证研究。雷竞技苹果下载因为财富的研究,本文能够产生一个操作系统一套像样的营养,以及由此产生的系统更有限的比[11]和[14]。同样,系统在本文将使用一个全面的列表,可以从美国农业部的营养建议。
在[6]没有反馈给用户如何纠正不良的健康水平。在改善卫生系统是有用的,它需要向用户显示可操作的反馈。[5]的力量是他们给用户修改用户可以实现,这是本文的一个目标系统。因此,系统将显示基于养分含量的食物。本文将借用概念的聚类方法在[9]和[12],以确定哪些食物的建议。它还将允许用户将食物标记为不受欢迎的另一个建议,一个额外的概念来源于[12]。

使用模糊系统
因为必需营养素的摄入量可以被看作是一个剂量反应曲线,哪里有足够的摄入量,但还不足和潜在的有毒两端,模糊逻辑提供了一个非常适合表示该数据,[15]。因此,很明显,应该使用某种形式的模糊系统。尽管[9]]、[11]和[12]建议使用模糊系统在他们的结论,这些工作不依赖于模糊逻辑。[5]使用2型模糊本体,这应该代表专家意见的不确定性。因为更多的某些数据被用于系统本文2型系统没有必要为这个特定的理由,但可能是有用的在未来如果我们开始编码不可靠信息。[13],模糊区间用于表示食物的营养内容的不确定性和测量误差,和模糊算法被用来比较日常营养对常规剖面由专家决定。这些不确定性是猜测而不是基于建立在[15]进行研究。因为目标尽可能反映现实,本文系统将显示部分会员基于类定义的剂量反应曲线类似[15],和价值观从科学文献的系统评价。雷竞技苹果下载

d .的需求
要求在表二世来自上面的讨论:

答:输入模糊集
鉴于先前的结论,个人营养系统是最好的选择,输入设置的值为每个营养消耗。语言值的每个养分消耗:不足,充足,和过度。
每个营养都有一个单独的映射到语言值,构造以以下方式:一个进气值0有任何必要的营养不足值为1.0。对于营养物质不重要,没有设置不足。必需营养素的充足的设置是基于三角函数的三角函数(0,x, ul),其中x是足够的摄入量(AI),或推荐日摄食量(RDA),这取决于可用,ul上限(ul)指定的食物。成人摄入的营养素,是一个梯形函数形式的梯形(0 amdr_min amdr_max、ul)可接受的常量营养元素分布范围(AMDR)边界amdr_min amdr_max。
这些值被确定基于膳食参考摄入量(DRI)值[26]。基于综合评价国家安全局,美国农业部发布了DRI雷竞技苹果下载的价值观,建立取代推荐膳食津贴,已知的营养价值。这些包括以下信息:估计平均需求(EAR)包括营养认为足够的至少50%的人口在人口。推荐日摄食量(RDA)计算达到97%的人口的需求;足够的摄入量(AI)是一个坚定的信念比耳朵或RDA食物会满足每一个人都在人口。容许摄入量上限(摘要)建立了维生素和营养已知毒性超过一定水平。UL是已知的最高水平是安全的。最后,接受大量营养素分布范围(amdr)指定范围的营养素与降低患慢性疾病的风险[26]。的值从一个表中提取并放置到一个数据库中。值是按年龄、性别和女性基于怀孕和哺乳期可以不同。 Some values were not in the USDA DRI’s, and were addressed as follows: Cholesterol, Trans fats and saturated fats do not need to be consumed [26], and so an AI value of 0 was added for each. It is suggested that trans fats should constitute less than 1% daily caloric consumption [27], so an upper limit of 2 grams was placed on this value (based on an 1800 calorie diet). No more than 10% of calories (20g for 1800 calorie diet) should be from saturated fat, and no more than 300 mg of cholesterol should be consumed per day [28].
从数据库中动态生成的模糊集是建立基于年龄、性别和抚养孩子状态的用户。作为一个例子,图3显示了图形代表25造成营养的饮食需要一个30岁的男性。

b .输出模糊集及模糊规则
在一个典型的模糊控制器,有些过程是控制通过模糊规则的方法。在这种情况下,目标是提高用户把他们的健康多吃一些营养和少一些。因此,规则可以简单地映射到“过度”的输出为每个营养行动“避免”,和“不足”映射到一个输出行动“多吃”。

c .食品的建议

1)崭新的“集群”的方法
食品推荐可以使用执行水平定位方法的边界定义在[12]。这将食物分成三组/营养:低于平均水平,平均,高于平均水平。“多吃”的食物模糊值大于平均的组营养,用额外的条件,食物也必须小于平均组模糊值的任何营养“避免”。如果搜索这一标准是空的,“避免”的模糊值的倒数作为权重乘以10%的区间的最大养分含量低于平均水平。这是进行迭代,直到找到食物,并以这种方式系统给用户提供了食物,满足用户的营养需求,同时避免过度消费不必要的营养。

2)模糊比较正常的饮食
食品的建议也决定使用一个完全模糊的方法,类似于[13]。营养物质消耗的总结,然后数据库中的每个条目被添加到这个和DRI模糊集相比,它描述一个健康的饮食。之间的比较是由聚合的模糊值为每个营养。一个聚合是由模糊值乘以权重代表每个营养的重要性,然后总结这些值。最大价值的食物是最好的建议。食物是推荐的迭代,直到迭代的最大值小于上一次迭代的最大价值。

VI系统实现。
模糊系统是在python中,实现基于pyfuzzy库[30]生成模糊集和规则。系统集成了一个基于web的PHP程序被称为“FitterLog”,这是以前开发的作者作为他的家人的饮食追踪工具。“FitterLog”数据库超过1700进入营养标签和一个港口的美国农业部SR23数据库,使超过7600人的食品的营养价值。图4和图5显示的一个例子FitterLog系统没有模糊的实现:
模糊系统接口与“FitterLog”在两个方面:
1。通过HTTP使用JSON从系统中收集数据,描述用户的年龄、体重和性别。也收集食物消耗的总营养价值。
2。使用SQL查询来直接访问美国农业部SR23的规范化数据库和定制的营养标签数据库为推荐的食物营养成分。
当一个用户登录的食物作为某一天吃,“FitterLog”执行python解释器在模糊系统源代码,和新的食物是推荐的。下面是模糊系统的输出的一个例子,显示格式化的“FitterLog”:
用户可以选择“(讨厌)”链接推荐食品,并将被替换为另一个建议。用户也可以选择“(吃)”链接,和马克给定的食物吃。

七世。结果
预先存在的“FitterLog”工具功能编组的数据返回给用户。从每个食品微量元素的原始数据是用户访问(图5),以及每天的总养分(图4)。此外,图形代表营养是必要的被试(图4)。所有这些数据包含了丰富的信息,用户优先级是很困难的。模糊系统降低了“多吃”的问题和“避免”营养,简化问题。此外,在排序模糊数本身是有用最需要哪些营养物质,以及寻找含有“多吃营养的食物,而不是“避免”营养。在使用了模糊系统只有一个星期,“FitterLog”发现饮食选择的用户更容易比单独的信息

八世。结论和未来的工作
模糊逻辑是一种非常便利的工具用于营养分析,但似乎没有杠杆在过去的大部分工作。目前的工作显示了简单模糊逻辑的方法可以用来促进健康摄入的营养虽然营养分析和食物的建议。最初的比较显示不太复杂,更直观的用户比其脆。
未来的工作可能包括添加从维生素缺乏或过剩产生的症状和实现一个2型模糊本体系统,考虑了不确定性信息层次结构的基础上的证据。症状从营养过剩或不足可以作为激励因素推荐的食物吃。这也将是相关的评估系统的有效性在一个合适的人口研究。

表乍一看
表的图标 表的图标
表1 表2

数据乍一看
图1 图2 图3 图4
图1 图2 图3 图4
图1 图2 图3
图5 图6 图7

引用