fa تأثیر طبقه‌بندی صدا توسط شبکه‌های عصبی در بازشناختن شنوایی انسان (مقاله پژوهشی) ریاضیات در صوتیّات Mathematics in Acoustics پژوهشي Research <span style="font-family:B Nazanin;">در </span><span style="font-family:B Nazanin;">این مقاله، به دو موضوع اساسی: الف)‌‌ طبقه‌بندی صدا توسط شبکه‌های عصبی مصنوعی براساس شبه‌سنج‌های بسامد و شدت صدا، ب) ‌‌ارزیابی سلامت گوش انسان‌های مختلف در مقایسه با یک فرد سالم، پرداخته می‌شود. طبقه‌بندی صدا توسط یک شبکه عصبی پیش‌خور با دو ورودی به شکل بسامد و شدت صدا و دو لایه نهانی پیشنهاد شده است. این فرایند به مقوله‌بندی صداهای شنیداری و غیرشنیداری (خطرناک) برای فرد سالم می‌انجامد. در تشخیص گوش سالم، با داشتن شبه‌سنج‌های مربوطه، استفاده از روش یادگیری ماشین توسط شبکه‌های عصبی پیش</span><span style="font-family:B Nazanin;">‌</span><span style="font-family:B Nazanin;">خور و انتگرال‌گیری </span><span style="font-family:B Nazanin;">عددی</span><span style="font-family:B Nazanin;"> سیمپسون و ذوزنقه‌ای، آستانه‌ها‌ی شنوایی و دردناکی گوش فرد بیمار در قیاس با گوش سالم ارزیابی می‌شود. نتایج عددی و نمودارهای منقوش بیانگر این واقعیت هستند که روش ارائه‌شده در این تحقیق قادر است تا با شبیه‌سازی ریاضی بدون نیاز به دانش اضافی پزشکی، سلامت گوش یک فرد را بازشناسی کند.</span> <div style="text-align: justify;">In this paper, we focus on two basic issues: (a) the classification of sound by neural networks based on frequency and sound intensity parameters&nbsp;(b) evaluating the health of different human ears as compared to of those a healthy person. Sound classification by a specific feed forward neural network with two inputs as frequency&nbsp;and&nbsp;sound intensity&nbsp;and two hidden layers is proposed. This process results in&nbsp;categorization of audible and non-audible ( dangerous ) sounds for a healthy person. In the diagnosis of healthy ear, having the relevant parameters, using the method of machine learning by feed forward neural networks, and simpson and trapezoidal numerical integration rules, the hearing and pain thresholds of the patient&#39;s ear are evaluated in comparision with healthy ear. Numerical results and depicted graphs represent the fact that the method presented in this study is able to recognize an individual&#39;s ear with mathematical simulation without too much&nbsp;knowledge of&nbsp;medical&nbsp;parameters.<span dir="RTL"></span></div> شبکه‌های عصبی مصنوعی, یادگیری ماشین, طبقه‌بندی صدا, آستانه‌ی دردناکی, انتگرال‌گیری عددی. Neural networks, Machine learning, Sound classification, Hearing, Painful threshold, Numerical integration. 22 27 http://joasi.ir/browse.php?a_code=A-10-198-1&slc_lang=fa&sid=1 A. Malek علاءالدین ملک mala@modares.ac.ir 3979198758 10031947532846002742 Yes دانشکده علوم ریاضی، دانشگاه تربیت مدرس M. mmohammadi kosar مصطفی محمدی کوثر mmohammadikosar@gmail.com 4020259941 10031947532846002743 No دانشکده علوم ریاضی، دانشگاه تربیت مدرس