fa براورد پارامترهای مدل رگرسیون لوژستیک ساخته شده با شبکه‌های عصبی واحد ضربی تکاملی استنباط آماری Statistical Inference كاربردي و توسعه ای Applied <div style="text-align: justify;">یکی از ابارهایی که برای تعیین اثرات غیرخطی و اثرات متقابل بین متغیرهای تبیینی در یک مدل رگرسیون لوژستیک به کار می‌رود، استفاده از شبکه‌های عصبی واحد ضربی تکاملی است. به منظور براورد پارامترهای مدلی که بدین صورت به دست می‌آید. یک روش ترکیبی مورد استفاده قرار می‌گیرد؛ ین روش از ترکیب دو ابزار بهینه‌ساز کلاسیک و الگوریتم تکاملی ساخته می‌شود. در این ماله ساختار شبکه‌های عصبی به گونه‌ای تغییر داده می‌شود که تمام پارامترهای مدل با یک الگوریتم تکاملی قابل براورد باشند. سپس دو روش براورد مورد مقایسه قرار گرفته و نتایج نشان می‌دهد که براورد پارامترها با الگریتم‌های تکاملی منجر به مدلی می‌شود که از نظر معیار اطلاع آکائیک نسبت به مدل لوژستیک معمولی دقیق‌تر است، اما استفاده از روش ترکیبی، مدل بهتری را نتیجه می‌دهد.</div> <div style="text-align: justify;">One of the tools for determining nonlinear effects and interactions between the explanatory variables in a logistic regression model is using of evolutionary product unit neural networks. To estimate the model parameters constructed by this method, a combination of evolutionary algorithms and classical optimization tools is used. In this paper, we change the structure of neural networks in the form that all model parameters can be estimated by using an evolutionary algorithms causes a model that is Akaike information criterion is better than conventional logisti model Akaike information criterion, but using the combination method gives the best model.</div> رگرسیون لوژستیک, شبکه‌های عصبی, الگوریتم‌های تکاملی Logistic regression, Neural networks, Evolutionary algorithm 17 30 http://jss.irstat.ir/browse.php?a_code=A-10-64-2&slc_lang=fa&sid=1 Maryam Torkzadeh مریم ترک‌زاده ماهانی mtmiut@gmail.com 10031947532846006912 10031947532846006912 Yes دانشکده ریاضی، دانشگاه صنعتی اصفهان Soroush Alimoradi سروش علیمرادی 10031947532846006913 10031947532846006913 No دانشکده ریاضی، دانشگاه صنعتی اصفهان