ਕੋਰੀਅਨ ਅੱਲ੍ਹੜ ਅਤੇ ਨੌਜਵਾਨ ਬਾਲਗਾਂ ਵਿੱਚ ਰਵਾਇਤੀ ਦੰਦਾਂ ਦੀ ਉਮਰ ਅਨੁਮਾਨ ਦੇ ਵਿਧੀਆਂ ਦੇ ਵਿਰੁੱਧ ਇੱਕ ਡੇਟਾ ਮਾਈਨਿੰਗ ਮਾਡਲ ਦੀ ਪ੍ਰਮਾਣਿਕਤਾ

ਫਿਦਵਾਰ.ਕਮ ਦੇਖਣ ਲਈ ਤੁਹਾਡਾ ਧੰਨਵਾਦ. ਬ੍ਰਾ ser ਜ਼ਰ ਦਾ ਵਰਜਨ ਜਿਸ ਦੀ ਤੁਸੀਂ ਵਰਤੋਂ ਕਰ ਰਹੇ ਹੋ ਉਸ ਕੋਲ ਸੀਮਤ CSS ਸਹਾਇਤਾ ਹੈ. ਵਧੀਆ ਨਤੀਜਿਆਂ ਲਈ, ਅਸੀਂ ਤੁਹਾਡੇ ਬ੍ਰਾ .ਜ਼ਰ ਦੇ ਨਵੇਂ ਸੰਸਕਰਣ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਸਿਫਾਰਸ਼ ਕਰਦੇ ਹਾਂ (ਜਾਂ ਇੰਟਰਨੈਟ ਐਕਸਪਲੋਰਰ ਵਿੱਚ ਅਨੁਕੂਲਤਾ ਮੋਡ ਬੰਦ ਕਰਨਾ). ਇਸ ਦੌਰਾਨ, ਅਸੀਂ ਸਪੈਲਿੰਗ ਜਾਂ ਜਾਵਾ ਸਕ੍ਰਿਪਟ ਬਿਨਾ ਸਾਈਟ ਦਿਖਾ ਰਹੇ ਹਾਂ.
ਦੰਦ ਮਨੁੱਖੀ ਸਰੀਰ ਦੀ ਉਮਰ ਦੇ ਸਭ ਤੋਂ ਸਹੀ ਸੰਕੇਤਕ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਅਕਸਰ ਫੋਰੈਂਸਿਕ ਉਮਰ ਮੁਲਾਂਕਣ ਵਿੱਚ ਵਰਤੇ ਜਾਂਦੇ ਹਨ. ਸਾਡਾ ਉਦੇਸ਼ ਰਵਾਇਤੀ methods ੰਗਾਂ ਅਤੇ ਡੇਟਾ ਮਾਈਨਿੰਗ-ਅਧਾਰਤ ਉਮਰ ਦੇ ਅਨੁਮਾਨਾਂ ਨਾਲ 18 ਸਾਲਾ ਥ੍ਰੈਸ਼ੋਲਡ ਦੀ 18 ਸਾਲਾ ਥ੍ਰੈਸ਼ੋਲਡ ਦੀ ਜਾਂਚ ਕਰਕੇ ਡੇਟਾ ਮਾਈਨਿੰਗ-ਅਧਾਰਤ ਦੰਦਾਂ ਦੀ ਮਿਆਦ ਦੇ ਅਨੁਮਾਨਾਂ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰਨਾ ਹੈ. ਕੋਰੀਅਨ ਅਤੇ 15 ਤੋਂ 23 ਸਾਲ ਦੇ ਜਾਪਾਨੀ ਨਾਗਰਿਕਾਂ ਤੋਂ ਕੁੱਲ 2657 ਪੈਨੋਰਾਮੋਰਾਮ ਰੇਡੀਓਗ੍ਰਾਫ ਇਕੱਠੇ ਕੀਤੇ ਗਏ ਸਨ. ਉਹਨਾਂ ਨੂੰ ਇੱਕ ਸਿਖਲਾਈ ਸੈੱਟ ਵਿੱਚ ਵੰਡਿਆ ਗਿਆ ਸੀ, ਹਰੇਕ ਵਿੱਚ 900 ਕੋਰੀਆ ਦੇ ਰੇਡੀਓਗ੍ਰਾਫ ਸਨ ਜਿਸ ਵਿੱਚ 857 ਜਪਾਨੀ ਰੇਡੀਓਲਜ਼ ਹਨ. ਅਸੀਂ ਡੇਟਾ ਮਾਈਨਿੰਗ ਮਾਡਲਾਂ ਦੇ ਟੈਸਟ ਸੈਟਾਂ ਦੇ ਨਾਲ ਰਵਾਇਤੀ methods ੰਗਾਂ ਦੀ ਵਰਗੀਫਿਕੇਸ਼ਨ ਦੀ ਸ਼ੁੱਧਤਾ ਅਤੇ ਕੁਸ਼ਲਤਾ ਦੀ ਤੁਲਨਾ ਕੀਤੀ. ਅੰਦਰੂਨੀ ਪਰੀਖਿਆ ਦੇ ਰਵਾਇਤੀ method ੰਗ ਦੀ ਸ਼ੁੱਧਤਾ ਡੇਟਾ ਮਾਈਨਿੰਗ ਮਾਡਲ ਤੋਂ ਥੋੜ੍ਹੀ ਜਿਹੀ ਹੈ, ਅਤੇ ਫਰਕ ਛੋਟਾ ਹੈ (ਮਤਲਬ ਅਸ਼ੁੱਧੀ ਅਸ਼ੁੱਧੀ <0.21 ਸਾਲ, ਰੂਟ ਦਾ ਮਤਲਬ ਵਰਗ ਗਲਤੀ <0.24 ਸਾਲ). 18 ਸਾਲਾਂ ਦੇ ਕਟੌਫ ਲਈ ਵਰਗੀਕਰਣ ਪ੍ਰਦਰਸ਼ਨ ਵੀ ਰਵਾਇਤੀ methods ੰਗਾਂ ਅਤੇ ਡੇਟਾ ਮਾਈਨਿੰਗ ਮਾਡਲਾਂ ਦੇ ਵਿਚਕਾਰ ਵੀ ਅਜਿਹਾ ਹੀ ਹੈ. ਇਸ ਤਰ੍ਹਾਂ, ਰਵਾਇਤੀ methods ੰਗਾਂ ਨੂੰ ਡੇਟਾ ਮਾਈਨਿੰਗ ਮਾਡਲਾਂ ਦੁਆਰਾ ਬਦਲਿਆ ਜਾ ਸਕਦਾ ਹੈ ਜਦੋਂ ਕੋਰੀਅਨ ਅੱਲ੍ਹੜ੍ਹਾਂ ਅਤੇ ਨੌਜਵਾਨ ਬਾਲਗਾਂ ਵਿਚ ਤੀਸਰੇ ਅਤੇ ਤੀਸਰੇ ਮੱਲਰਸ ਦੀ ਪਰਿਪੱਕਤਾ ਦੀ ਵਰਤੋਂ ਕਰਦਿਆਂ ਫੋਰੈਂਸਿਕ ਉਮਰ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨਾ.
ਦੰਦਾਂ ਦੀ ਉਮਰ ਦਾ ਅਨੁਮਾਨ ਫੋਰੈਂਸਿਕ ਮੈਡੀਸਨ ਅਤੇ ਬੱਚਿਆਂ ਦੀ ਦੰਦ ਵਿਗਿਆਨ ਵਿੱਚ ਵਿਆਪਕ ਤੌਰ ਤੇ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ. ਖ਼ਾਸਕਰ, ਦੇਰੀ ਉਮਰ ਦੀ ਉਮਰ ਅਤੇ ਦੰਦਾਂ ਦੇ ਵਿਕਾਸ ਦੇ ਵਿਚਕਾਰ ਉੱਚ ਸਬੰਧਾਂ ਦੇ ਕਾਰਨ, ਦੰਦਾਂ ਦੇ ਵਿਕਾਸ ਦੇ ਪ੍ਰੈਸਮੈਂਟ ਦੁਆਰਾ ਉਮਰ ਮੁਲਾਂਕਣ ਬੱਚਿਆਂ ਅਤੇ ਅੱਲ੍ਹੋਲੇਸੈਂਟਸ 1,2,3 ਦੇ ਮੁਲਾਂਕਣ ਲਈ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਮਾਪਦੰਡ ਹੈ. ਹਾਲਾਂਕਿ, ਨੌਜਵਾਨਾਂ ਲਈ, ਦੰਦਾਂ ਦੀ ਪਰਿਪੱਕਤਾ ਦੇ ਅਧਾਰ ਤੇ ਦੰਦਾਂ ਦੀ ਉਮਰ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਣਾ ਇਸ ਦੀਆਂ ਸੀਮਾਵਾਂ ਹਨ ਕਿਉਂਕਿ ਦੰਦਾਂ ਦੇ ਵਾਧੇ ਲਗਭਗ ਸੰਪੂਰਨ ਹੈ, ਤੀਜੇ ਗੁਲਾਬ ਦੇ ਅਪਵਾਦ ਦੇ ਨਾਲ. ਨੌਜਵਾਨਾਂ ਦੀ ਉਮਰ ਨਿਰਧਾਰਤ ਕਰਨ ਦਾ ਕਾਨੂੰਨੀ ਉਦੇਸ਼ ਸਹੀ ਅਨੁਮਾਨ ਲਗਾਉਣ ਦਾ ਕਾਨੂੰਨੀ ਉਦੇਸ਼ ਸਹੀ ਅਨੁਮਾਨ ਅਤੇ ਵਿਗਿਆਨਕ ਪ੍ਰਮਾਣ ਪ੍ਰਦਾਨ ਕਰਨਾ ਹੈ ਕਿ ਕੀ ਉਹ ਬਹੁਗਿਣਤੀ ਦੀ ਉਮਰ ਵਿੱਚ ਪਹੁੰਚੇ ਹਨ. ਕੋਰੀਆ ਦੇ ਅੱਲੜ੍ਹਾਂ ਅਤੇ ਨੌਜਵਾਨ ਬਾਲਗਾਂ ਦੀ ਮੈਡੀਕਲ-ਕਾਨੂੰਨੀ ਅਭਿਆਸ ਵਿੱਚ, ਉਮਰ ਦਾ ਅਨੁਮਾਨ ਲਗਾਇਆ ਗਿਆ ਸੀ ਕਿ ਓਟੀ ਏ ਐਲ 5 ਦੁਆਰਾ ਰਿਪੋਰਟ ਕੀਤੇ ਗਏ ਅੰਕੜਿਆਂ ਦੇ ਅਧਾਰ ਤੇ ਕੀਤੀ ਗਈ ਹੈ.
ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਇਕ ਕਿਸਮ ਦੀ ਨਕਲੀ ਬੁੱਧੀ (ਏ ਆਈ) ਹੁੰਦੀ ਹੈ ਜੋ ਵਾਰ-ਵਾਰ ਸਿੱਖਦੀ ਹੈ ਅਤੇ ਕਈਆਂ ਦੀ ਦੂਰੀ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ, ਆਪਣੀਆਂ ਆਪਣੀਆਂ ਮੁਸ਼ਕਲਾਂ ਨੂੰ ਹੱਲ ਕਰਦੀ ਹੈ, ਅਤੇ ਡੇਟਾ ਪ੍ਰੋਗਰਾਮਿੰਗ ਨੂੰ ਹੱਲ ਕਰਦੀ ਹੈ. ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਡਾਟੇ ਦੇ ਵੱਡੇ ਖੰਡਾਂ ਵਿੱਚ ਲਾਭਦਾਇਕ ਲੁਕਵੇਂ ਨਮੂਨੇ ਲੱਭ ਸਕਦੀ ਹੈ. ਇਸਦੇ ਉਲਟ, ਕਲਾਸੀਕਲ methods ੰਗਾਂ, ਜੋ ਕਿਰਤ-ਪਸਾਰ ਅਤੇ ਸਮਾਂ-ਵਿਚਾਰ ਕਰਨ ਵਾਲੀਆਂ ਹਨ, ਹੋ ਸਕਦੀਆਂ ਹਨ ਜਦੋਂ ਗੁੰਝਲਦਾਰ ਡੇਟਾ ਦੇ ਵੱਡੇ ਖੰਡਾਂ ਨਾਲ ਨਜਿੱਠਦੇ ਸਮੇਂ, ਤਾਂ ਹੱਥੀਂ ਕਾਰਵਾਈ ਕਰਨਾ ਮੁਸ਼ਕਲ ਹੁੰਦਾ ਹੈ. ਇਸ ਲਈ, ਬਹੁਤ ਸਾਰੇ ਅਧਿਐਨ ਮਨੁੱਖੀ ਗਲਤੀਆਂ ਅਤੇ ਕੁਸ਼ਲਤਾਵਾਦੀ ਡੇਟਾ 8,9,11,12 ਨੂੰ ਘੱਟ ਤੋਂ ਘੱਟ ਕਰਨ ਲਈ ਹਾਲ ਹੀ ਵਿੱਚ ਕੰਪਿ computer ਟਰ ਟੈਕਨਾਲੌਜੀ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਰਹੇ ਹਨ. ਖਾਸ ਕਰਕੇ, ਮੈਡੀਕਲ ਚਿੱਤਰ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ ਡੂੰਘੀ ਵਰਤੋਂ ਨੂੰ ਵਿਆਪਕ ਤੌਰ ਤੇ ਵਰਤਿਆ ਗਿਆ ਹੈ, ਅਤੇ ਰੇਡੀਓਗ੍ਰਾਫਾਂ ਦੇ ਆਪਣੇ ਆਪ ਅਨੁਮਾਨ ਲਗਾਉਣ ਲਈ ਕਈ ਤਰੀਕਿਆਂ ਨਾਲ ਉਮਰ ਦੇ ਅਨੁਮਾਨ ਤੋਂ, ਦੀ ਉੱਚਾਈ ਅਤੇ ਕੁਸ਼ਲਤਾ ਨੂੰ ਅਪੀਲਿਮ ਅਨੁਮਾਨ 1,114,16,20,20 ਸੀ. . ਉਦਾਹਰਣ ਦੇ ਲਈ, ਹਲਬੀ ਐਟ ਅਲ 13 ਨੇ ਬੱਚਿਆਂ ਦੇ ਹੱਥਾਂ ਦੇ ਰੇਡੀਓਵੈਟਰਸ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਪਿੰਜੇਟਰ ਦੀ ਉਮਰ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਲਈ ਅਲਗਰਿਧ ਸੰਵਿਧਾਨਕ ਨੈਟਵਰਕ (ਸੀ ਐਨ ਐਨ) ਦੇ ਅਧਾਰ ਤੇ ਇੱਕ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਐਲਗੋਰਿਦਮ ਵਿਕਸਿਤ ਕੀਤੀ. ਇਹ ਅਧਿਐਨ ਇੱਕ ਮਾਡਲ ਦਾ ਪ੍ਰਸਤਾਵ ਦਿੰਦਾ ਹੈ ਜੋ ਡਾਕ ਡਾਕਟਰੀ ਚਿੱਤਰਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦਿੰਦਾ ਹੈ ਅਤੇ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਇਹ methods ੰਗ ਨਿਦਾਨ ਦੀ ਸ਼ੁੱਧਤਾ ਵਿੱਚ ਸੁਧਾਰ ਕਰ ਸਕਦੇ ਹਨ. ਪੈਲਵਿਕ ਐਕਸ-ਰੇਅ ਚਿੱਤਰਾਂ ਦੀ ਇੱਕ ਡੂੰਘੀ ਸਿਖਲਾਈ ਸੀ ਐਨ ਐਨ ਦੀ ਤੁਲਨਾ ਵਿੱਚ ਅਤੇ ਉਹਨਾਂ ਦੀ ਤੁਲਨਾ ਅਸਥਿਰ ਪੜਾਅ ਦੇ ਅਨੁਮਾਨ ਦੀ ਤੁਲਨਾ ਕਰਦਿਆਂ ਉਹਨਾਂ ਦੀ ਤੁਲਨਾ ਕੀਤੀ ਜਾ ਰਹੀ ਹੈ. ਉਨ੍ਹਾਂ ਨੇ ਪਾਇਆ ਕਿ ਡੂੰਘੀ ਸਿਖਲਾਈ ਸੀ ਐਨ ਐਨ ਮਾਡਲ ਨੇ ਉਸੇ ਉਮਰ ਦਾ ਅਨੁਮਾਨ ਪ੍ਰਦਰਸ਼ਨ ਰਵਾਇਤੀ ਰੈਗਰੈਸ਼ਨ ਮਾਡਲ ਵਜੋਂ ਦਿਖਾਇਆ ਸੀ. ਗੁਆਓ ਐਟ ਅਲ. ਦਾ ਅਧਿਐਨ [15] ਡੈਂਟਲ ਓਰਥੋਫਾਈਲਸ ਦੇ ਅਧਾਰ ਤੇ ਸੀ ਐਨ ਐਨ ਤਕਨੋਲੋਜੀ ਦੀ ਉਮਰ ਸਹਿਣਸ਼ੀਲਤਾ ਦਾ ਮੁਲਾਂਕਣ ਕਾਰਜਕੁਸ਼ਲਤਾ ਕਾਰਜਕੁਸ਼ਲਤਾ ਕਾਰਜਕੁਸ਼ਲਤਾ ਨੇ ਇਹ ਸਾਬਤ ਕਰ ਦਿੱਤਾ ਕਿ ਮਨੁੱਖਾਂ ਨੇ ਇਸਦੀ ਉਮਰ ਵਰਗੀਕਰਣ ਪ੍ਰਦਰਸ਼ਨ ਦੇ ਨਤੀਜਿਆਂ ਨੂੰ ਸਾਬਤ ਕਰ ਦਿੱਤਾ.
ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਦੀ ਵਰਤੋਂ ਦੀ ਵਰਤੋਂ ਕਰਦਿਆਂ ਉਮਰ ਦੇ ਅਨੁਮਾਨ 'ਤੇ ਜ਼ਿਆਦਾਤਰ ਅਧਿਐਨ ਕਰੋ ਡੂੰਘੇ ਸਿੱਖਣ ਦੇ ਤਰੀਕਿਆਂ ਨੂੰ 1,14,15,16,17,17,17,19,20. ਡੂੰਘੀ ਸਿਖਲਾਈ ਦੇ ਅਧਾਰ ਤੇ ਉਮਰ ਦਾ ਅਨੁਮਾਨ ਰਵਾਇਤੀ methods ੰਗਾਂ ਨਾਲੋਂ ਵਧੇਰੇ ਸਹੀ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ. ਹਾਲਾਂਕਿ, ਇਹ ਪਹੁੰਚ ਉਮਰ ਦੇ ਅਨੁਮਾਨਾਂ ਲਈ ਵਿਗਿਆਨਕ ਅਧਾਰਤ ਪੇਸ਼ ਕਰਨ ਦਾ ਘੱਟ ਮੌਕਾ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ, ਜਿਵੇਂ ਕਿ ਅਨੁਮਾਨਾਂ ਵਿੱਚ ਉਮਰ ਦੇ ਸੰਕੇਤਕ ਵਰਤੇ ਜਾਂਦੇ ਹਨ. ਨਿਰੀਖਣ ਕਰਨ ਵਾਲਿਆਂ ਨੂੰ ਕੌਣ ਲਗਾਉਂਦਾ ਹੈ ਦੀ ਕਾਨੂੰਨੀ ਵਿਵਾਦ ਵੀ ਹੈ. ਇਸ ਲਈ, ਡੂੰਘੀ ਸਿਖਲਾਈ ਦੇ ਅਧਾਰ ਤੇ ਉਮਰ ਦਾ ਅਨੁਮਾਨ ਪ੍ਰਬੰਧਕੀ ਅਤੇ ਨਿਆਂਇਕ ਅਧਿਕਾਰੀਆਂ ਦੁਆਰਾ ਸਵੀਕਾਰਨਾ ਮੁਸ਼ਕਲ ਹੈ. ਡਾਟਾ ਮਾਈਨਿੰਗ (ਡੀ ਐਮ) ਇਕ ਤਕਨੀਕ ਹੈ ਜੋ ਸਿਰਫ 30,21,22 ਦੇ ਵਿਚਕਾਰ ਲਾਭਦਾਇਕ ਸੰਬੰਧਾਂ ਦੀ ਖੋਜ ਕਰਨ ਦੇ method ੰਗ ਵਜੋਂ ਹੀ ਖੋਜ ਸਕਦੀ ਹੈ. ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਅਕਸਰ ਡੇਟਾ ਮਾਈਨਿੰਗ ਵਿੱਚ ਵਰਤੀ ਜਾਂਦੀ ਹੈ, ਅਤੇ ਦੋਵੇਂ ਡੇਟਾ ਮਾਈਨਿੰਗ ਅਤੇ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਡੇਟਾ ਵਿੱਚ ਪੈਟਰਨ ਲੱਭਣ ਲਈ ਉਹੀ ਕੁੰਜੀ ਐਲਗੋਰਸ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ. ਦੰਦਾਂ ਦੇ ਵਿਕਾਸ ਦੀ ਵਰਤੋਂ ਕਰਦਿਆਂ ਉਮਰ ਅਨੁਮਾਨ ਨਿਸ਼ਾਨਾ ਦੰਦਾਂ ਦੀ ਮਿਆਦ ਪੂਰੀ ਹੋਣ ਦੇ ਮੁਲਾਂਕਣ ਤੇ ਹੈ, ਅਤੇ ਇਹ ਮੁਲਾਂਕਣ ਹਰੇਕ ਟੀਚੇ ਦੇ ਦੰਦਾਂ ਲਈ ਇੱਕ ਪੜਾਅ ਵਜੋਂ ਪ੍ਰਗਟ ਕੀਤਾ ਜਾਂਦਾ ਹੈ. ਡੀਐਮ ਦੀ ਵਰਤੋਂ ਦੰਦਾਂ ਦੇ ਮੁਲਾਂਕਣ ਪੜਾਅ ਅਤੇ ਅਸਲ ਉਮਰ ਦੇ ਵਿਚਕਾਰ ਸੰਬੰਧ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ ਅਤੇ ਰਵਾਇਤੀ ਅੰਕੜਿਆਂ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਬਦਲਣ ਦੀ ਸਮਰੱਥਾ ਰੱਖਦਾ ਹੈ. ਇਸ ਲਈ, ਜੇ ਅਸੀਂ ਡੀ ਐਮ ਤਕਨੀਕਾਂ ਨੂੰ ਉਮਰ ਦੇ ਅਨੁਮਾਨ ਨੂੰ ਲਾਗੂ ਕਰਦੇ ਹਾਂ, ਤਾਂ ਅਸੀਂ ਕਾਨੂੰਨੀ ਜ਼ਿੰਮੇਵਾਰੀ ਬਾਰੇ ਚਿੰਤਤ ਕੀਤੇ ਬਿਨਾਂ ਫੋਰੈਂਸਿਕ ਉਮਰ ਦੇ ਅਨੁਮਾਨ ਵਿੱਚ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਨੂੰ ਲਾਗੂ ਕਰ ਸਕਦੇ ਹਾਂ. ਫੌਰਨਟਲ ਪ੍ਰੈਕਟਿਸ ਅਤੇ ਦੰਦਾਂ ਦੀ ਉਮਰ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਈਬੀਐਮ-ਅਧਾਰਤ ਵਿਧੀਆਂ ਵਿੱਚ ਵਰਤੇ ਜਾਂਦੇ ਕਈ ਤੁਲਨਾਤਮਕ ਦਸਤਾਵੇਜ਼ methods ੰਗਾਂ ਵਿੱਚ ਵਰਤੇ ਗਏ ਕਈ ਵਿਕਲਪਾਂ ਵਿੱਚ ਕਈ ਵਿਕਲਪਾਂ ਤੇ ਪ੍ਰਕਾਸ਼ਤ ਕੀਤੇ ਗਏ ਹਨ. ਸ਼ੇਨ ਐਟ ਐਲ 23 ਨੇ ਦਿਖਾਇਆ ਕਿ ਡੀ ਐਮ ਮਾਡਲ ਰਵਾਇਤੀ the ਰਤ ਫਾਰਮੂਲੇ ਨਾਲੋਂ ਵਧੇਰੇ ਸਹੀ ਹੈ. ਗੈਲਬੋਰਗ ਐਟ ਅਲ 24 ਨੇ ਡੈਬਿਅਰਡਜਿਅਨ ਮਾਪਦੰਡ 25 ਦੇ ਅਨੁਸਾਰ ਵੱਖ-ਵੱਖ ਡੀਐਮ ਵਿਧੀਆਂ ਨੂੰ ਲਾਗੂ ਕਰਨ ਲਈ ਵੱਖ ਵੱਖ ਡੀਐਮ ਵਿਧੀਆਂ ਲਾਗੂ ਕੀਤੀਆਂ ਹਨ ਅਤੇ ਨਤੀਜੇ ਵਿਧੀ ਨੇ ਡੈਬਡਜਿਅਨ ਦੀ ਉਮਰ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਣ ਅਤੇ ਵੇਲਮਜ਼ ਵਿਧੀਆਂ ਨੂੰ ਪਛਾੜ ਦਿੱਤਾ.
ਕੋਰੀਅਨ ਅੱਲ੍ਹੜ ਉਮਰ ਦੀਆਂ ਅੱਲੀਆਂ ਅਤੇ ਜਵਾਨ ਬਾਲਗਾਂ, ਲੀ ਦਾ method ੰਗ 4 ਦੀ ਵਰਤੋਂ ਕੋਰੀਅਨ ਫੋਰੈਂਸਿਕ ਅਭਿਆਸ ਵਿੱਚ ਵਿਆਪਕ ਤੌਰ ਤੇ ਵਰਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ. ਇਹ ਤਰੀਕਾ ਕੋਰੀਆ ਦੇ ਵਿਸ਼ਿਆਂ ਅਤੇ ਕ੍ਰਾਂਨੋਲੋਜੀਕਲ ਯੁੱਗ ਦੇ ਵਿਚਕਾਰ ਸਬੰਧਾਂ ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ ਰਵਾਇਤੀ ਅੰਕੜਾ ਵਿਸ਼ਲੇਸ਼ਣ (ਜਿਵੇਂ ਕਿ ਮਲਟੀਪਲ ਰੈਗ੍ਰੇਸ਼ਨ) ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ. ਇਸ ਅਧਿਐਨ ਵਿਚ, ਰਵਾਇਤੀ ਅੰਕੜਿਆਂ ਦੇ ਤਰੀਕਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਉਮਰ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਣ ਦੇ .ੰਗਾਂ ਨੂੰ "ਰਵਾਇਤੀ methods ੰਗਾਂ ਵਜੋਂ ਪਰਿਭਾਸ਼ਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ. ਲੀ ਦਾ method ੰਗ ਇਕ ਰਵਾਇਤੀ ਵਿਧੀ ਹੈ, ਅਤੇ ਇਸ ਦੀ ਸ਼ੁੱਧਤਾ ਨੂੰ ਓਐਚ ਐਟ ਅਲ ਦੁਆਰਾ ਪੁਸ਼ਟੀ ਕੀਤੀ ਗਈ ਹੈ. 5; ਹਾਲਾਂਕਿ, ਕੋਰ ਕੋਰੈਂਸਿਕ ਅਭਿਆਸ ਵਿੱਚ ਡੀ ਐਮ ਮਾਡਲ ਦੇ ਅਧਾਰ ਤੇ ਕੀਤੀ ਉਮਰ ਦੇ ਅਨੁਮਾਨ ਦੀ ਅਰਜ਼ੀ ਅਜੇ ਵੀ ਪ੍ਰਸ਼ਨ ਹੋ ਸਕਦੀ ਹੈ. ਸਾਡਾ ਟੀਚਾ ਡੀ ਐਮ ਮਾਡਲ ਦੇ ਅਧਾਰ ਤੇ ਉਮਰ ਦੇ ਅਨੁਮਾਨ ਦੀ ਸੰਭਾਵਤ ਉਪਯੋਗਤਾ ਨੂੰ ਵਿਗਿਆਨਕ ਰੂਪ ਵਿੱਚ ਪ੍ਰਮਾਣਿਤ ਕਰਨਾ ਸੀ. ਇਸ ਅਧਿਐਨ ਦਾ ਉਦੇਸ਼ ਦੰਦਾਂ ਦੀ ਉਮਰ ਤੋਂ ਲੈ ਕੇ 18 ਸਾਲ ਦੀ ਉਮਰ ਵਿਚ 7 ਡੀ.ਐਮ. ਮਾਡਲਾਂ ਦੀ ਸ਼ੁੱਧਤਾ ਦੀ ਤੁਲਨਾ ਕਰਨ ਲਈ (1) ਦੀ ਵਰਗੀਕਰਨ ਦੀ ਤੁਲਨਾ ਕੀਤੀ ਗਈ ਸੀ ਅਤੇ ਦੋਵਾਂ ਜਬਾੜਿਆਂ ਵਿਚ ਤੀਜੇ ਮੱਲ.
ਅਧਿਐਨ ਅਤੇ ਦੰਦ ਦੀ ਕਿਸਮ ਦੇ ਅਨੁਸਾਰ ਕ੍ਰੋਨੋਲੋਜੀਕਲ ਉਮਰ ਦੇ ਮਿਆਰੀ ਭਟਕਣਾ ਪੂਰਕ ਟੇਬਲ ਐਸ 1 (ਸਿਖਲਾਈ ਸੈੱਟ), ਅਤੇ ਪੂਰਕ ਟੇਬਲ S3 (ਬਾਹਰੀ ਟੈਸਟ ਸੈਟ). ਟ੍ਰੇਨਿੰਗ ਸੈੱਟ ਤੋਂ ਪ੍ਰਾਪਤ ਕੀਤੀ ਇੰਟਰਸੈਟ ਦੇ ਮੁੱਲ 0.951 ਅਤੇ 0.947, ਕ੍ਰਮਵਾਰ 0.951 ਅਤੇ 0.947 ਲਈ ਪ੍ਰਾਪਤ ਕੀਤੀ ਇੰਟਰਵਿ ibuty ਟੀ ਲਈ ਮੁੱਲ. Plays ਅਤੇ 95% ਕੇਪਾਟ ਵੈਲਯੂਜ਼ ਲਈ 95 ਵਡਿਆਈ ਦੇ ਅੰਤਰਾਲਾਂ ਨੂੰ inform ਨਲਾਈਨ ਪੂਰਕ ਟੇਬਲ ਐਸ 4 ਵਿੱਚ ਦਿਖਾਇਆ ਗਿਆ ਹੈ. ਕਾਪਾ ਵੈਲਿ ਨੂੰ ਲੈਂਡਿਸ ਅਤੇ ਕੋਚ 26 ਦੇ ਮਾਪਦੰਡਾਂ ਦੇ ਅਨੁਸਾਰ "ਲਗਭਗ ਸੰਪੂਰਣ" ਵਜੋਂ ਵਿਆਖਿਆ ਕੀਤੀ ਗਈ ਸੀ.
ਕਿਉਂਕਿ ਮਤਲਬ ਸੰਪੂਰਨ ਗਲਤੀ (ਮਾਓ) ਦੀ ਤੁਲਨਾ ਕਰਨਾ, ਰਵਾਇਤੀ method ੰਗ ਨੇ ਮਲਟੀਲੇਅਰ ਸਬਸਿਪਟ੍ਰੋਨ (ਐਮਐਲਪੀ) ਦੇ ਅਪਵਾਦ ਦੇ ਅਪਵਾਦ ਦੇ ਅਨੁਸਾਰ ਡੀ ਐਮ ਮਾੱਡਲ ਨੂੰ ਥੋੜੇ ਜਿਹੇ ਪਛਤਾਵਾ ਕਰ ਦਿੱਤਾ. ਰਵਾਇਤੀ ਮਾਡਲ ਅਤੇ ਅੰਦਰੂਨੀ ਮੈ ਟੈਸਟ ਸੈੱਟ ਤੇ ਡੀਐਮ ਮਾਡਲ ਦੇ ਵਿਚਕਾਰ ਅੰਤਰ 0.12-0.19 ਸਾਲ ਪੁਰਸ਼ਾਂ ਲਈ 0.12-0.19 ਸਾਲ ਸੀ ਅਤੇ 0.17-0.21 ਸਾਲ. ਬਾਹਰੀ ਟੈਸਟ ਦੀ ਬੈਟਰੀ ਲਈ, ਅੰਤਰ ਛੋਟੇ (ਮਰਦਾਂ ਲਈ 0.001-0.05 ਸਾਲ ਅਤੇ .ਰਤਾਂ ਲਈ 0.05-0.09 ਸਾਲ). ਇਸ ਤੋਂ ਇਲਾਵਾ, ਰੂਟ ਦਾ ਮਤਲਬ ਵਰਗ ਅਸ਼ੁੱਧੀ ਤੋਂ ਥੋੜ੍ਹਾ ਘੱਟ ਹੁੰਦਾ ਹੈ, ਛੋਟੇ ਅੰਤਰਾਂ ਦੇ ਨਾਲ (0.17-3.24, ਅਤੇ ਬਾਹਰੀ ਟੈਸਟ ਸੈਟ ਲਈ 0.04-0.07, 0.04-0.07 ਲਈ 0.2-0.07). ). MLP ਇਕੋ ਪਰਤਾਂ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ ਕਿ female ਰਤ ਬਾਹਰੀ ਪਰੀਖਿਆ ਸੈੱਟ ਦੇ ਮਾਮਲੇ ਨੂੰ ਛੱਡ ਕੇ. ਮਾਯਾ ਅਤੇ ਆਰ ਐਮ ਐਸ ਲਈ, ਬਾਹਰੀ ਟੈਸਟ ਸਾਰੇ ਲਿੰਗ ਅਤੇ ਮਾੱਡਲਾਂ ਲਈ ਅੰਦਰੂਨੀ ਪਰੀਖਿਆ ਸੈੱਟ ਤੋਂ ਵੱਧ ਅੰਕ ਵੱਡੇ ਹਨ. ਸਾਰਣੀ 1 ਅਤੇ ਚਿੱਤਰ 1 ਵਿੱਚ ਸਾਰੇ ਮਾ MAEEEE ਅਤੇ RMSE ਦਿਖਾਇਆ ਗਿਆ ਹੈ.
ਮਾਤਰਾਂ ਅਤੇ ਰਵਾਇਤੀ ਅਤੇ ਡੇਟਾ ਮਾਈਨਿੰਗ ਰੈਗਰੈਸ਼ਨ ਮਾੱਡਲਾਂ ਦਾ ਆਰ.ਐਮ.ਈ. ਭਾਵ ਪੂਰਨ ਗਲਤੀ ਮਾਓ, ਰੂਟ ਦਾ ਮਤਲਬ ਵਰਗ ਐਰਰ ਐਰਰ ਐਰਰ ਐਰਰ ਐੱਸ ਐੱਲ ਪੀ, ਮਲਟੀਲੇ ਪ੍ਰਾਪਤੀ ਦੇ ਐਮਐਲਪੀ, ਰਵਾਇਤੀ ਮੁੱਖ ਮੰਤਰੀ ਵਿਧੀ.
ਵਰਗੀਕਰਣ ਪ੍ਰਦਰਸ਼ਨ (18 ਸਾਲ ਦੇ ਇੱਕ ਕਟਫ ਨਾਲ) ਰਵਾਇਤੀ ਅਤੇ ਡੀਐਮ ਮਾਡਲਾਂ ਦੇ ਅਧਾਰ ਤੇ ਸੰਵੇਦਨਸ਼ੀਲਤਾ, ਪ੍ਰੌਤਿਕ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਵਾਲੇ ਮੁੱਲ (ਐਨਪੀਵੀ), ਨਕਾਰਾਤਮਕ ਭਵਿੱਖਬਾਣੀਤਮਕ ਮੁੱਲ (ਐਨਪੀਵੀ) ਦੇ ਅਧੀਨ ਖੇਤਰ (ਐਨਪੀਵੀ) ਦੇ ਅਧੀਨ ਖੇਤਰ (ਐਨਪੀਵੀ) ਦੇ ਅਧੀਨ ਖੇਤਰ (ਐਨਪੀਵੀ) 27 (ਸਾਰਣੀ 2, ਚਿੱਤਰ 2 ਅਤੇ ਪੂਰਕ ਚਿੱਤਰ 1) ਨਲਾਈਨ). ਅੰਦਰੂਨੀ ਟੈਸਟ ਦੀ ਬੈਟਰੀ ਦੀ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਦੇ ਰੂਪ ਵਿੱਚ, ਰਵਾਇਤੀ methods ੰਗ ਪੁਰਸ਼ਾਂ ਵਿੱਚ ਸਭ ਤੋਂ ਵਧੀਆ ਪ੍ਰਦਰਸ਼ਨ ਕੀਤੇ ਗਏ. ਹਾਲਾਂਕਿ, ਰਵਾਇਤੀ methods ੰਗਾਂ ਅਤੇ ਐਸਡੀ ਦੇ ਵਿਚਕਾਰ ਵਰਗੀਕਰਣ ਪ੍ਰਦਰਸ਼ਨ ਵਿੱਚ ਅੰਤਰ 9.7% ਹੈ ਅਤੇ for ਰਤਾਂ ਲਈ ਸਿਰਫ 2.4% (ਐਕਸਗਬੌਸਟ). ਡੀਐਮ ਮਾਡਲਾਂ ਵਿਚ, ਲੌਜਿਸਟਿਕ ਰੈਗ੍ਰੇਸ਼ਨ (ਐਲ.ਆਰ.) ਵਿਚ ਦੋਵਾਂ ਲਿੰਗਾਂ ਵਿਚ ਚੰਗੀ ਤਰ੍ਹਾਂ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਨੇ ਦਿਖਾਇਆ. ਅੰਦਰੂਨੀ ਪਰੀਖਿਆ ਸੈੱਟ ਦੀ ਵਿਸ਼ੇਸ਼ਤਾ ਦੇ ਸੰਬੰਧ ਵਿੱਚ, ਇਹ ਦੇਖਿਆ ਗਿਆ ਕਿ ਚਾਰ ਐਸ ਡੀ ਮਾਡਲਾਂ ਨੇ ਪੁਰਸ਼ਾਂ ਵਿੱਚ ਵਧੀਆ ਪ੍ਰਦਰਸ਼ਨ ਕੀਤਾ, ਜਦੋਂ ਕਿ ਰਵਾਇਤੀ ਮਾਡਲ ਨੇ ma ਰਤਾਂ ਵਿੱਚ ਵਧੀਆ ਪ੍ਰਦਰਸ਼ਨ ਕੀਤਾ. ਜੋ ਕਿ ਮਰਦਾਂ ਅਤੇ ma ਰਤਾਂ ਅਤੇ ma ਰਤਾਂ ਲਈ ਵਰਗੀਕਰਣ ਪ੍ਰਦਰਸ਼ਨ ਵਿੱਚ ਅੰਤਰ 13.3% (ਐਮਐਲਪੀ) ਅਤੇ 13.1% (ਐਮਐਲਪੀ) ਅਤੇ 13.1% (ਐਮਐਲਪੀ) ਹੁੰਦੇ ਹਨ ਜੋ ਮਾਡਲਾਂ ਵਿਚਕਾਰ ਵਰਗੀਕਰਣ ਪ੍ਰਦਰਸ਼ਨ ਵਿੱਚ ਅੰਤਰ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਤੋਂ ਵੱਧ ਜਾਂਦਾ ਹੈ. ਡੀਐਮ ਮਾਡਲਾਂ ਵਿੱਚ, ਸਹਾਇਤਾ ਵੈਕਟਰ ਮਸ਼ੀਨ (ਐਸਵੀਐਮ), ਫੈਸਲੇ ਦੇ ਰੁੱਖ (ਡੀਟੀ), ਅਤੇ ਰੈਸੇ ਰਲਿਅਮ ਮਾਡਲਾਂ ਨੇ ਪੁਰਸ਼ਾਂ ਵਿੱਚ ਸਭ ਤੋਂ ਵਧੀਆ ਪ੍ਰਦਰਸ਼ਨ ਕੀਤਾ. ਰਵਾਇਤੀ ਮਾਡਲ ਦੀ ਆਉਰੋਕ ਅਤੇ ਸਾਰੇ ਐਸਡੀ ਮਾੱਡਲ 0.925 (ਕੇ-ਨਜ਼ਦੀਕੀ ਗੁਆਂ .ੀ (ਐਨ ਐਨ ਐਨ) ਤੋਂ ਵੱਧ (ਐਨ ਐਨ ਐਨ) ਤੋਂ ਵੱਧ) ਮਰਦਾਂ ਵਿੱਚ ਵਧੇਰੇ ਸੀ), 18 ਸਾਲਾ ਸੈਂਪਲੈਸਿੰਗ ਵਿੱਚ ਸ਼ਾਨਦਾਰ ਵਰਗੀਕਰਣ ਪ੍ਰਦਰਸ਼ਨ ਪ੍ਰਦਰਸ਼ਨ ਕਰ ਰਹੇ ਹਨ. ਬਾਹਰੀ ਟੈਸਟ ਸੈੱਟ ਲਈ, ਅੰਦਰੂਨੀ ਟੈਸਟ ਸੈਟ ਦੇ ਮੁਕਾਬਲੇ ਸੰਵੇਦਨਸ਼ੀਲਤਾ, ਵਿਸ਼ੇਸ਼ਤਾ ਅਤੇ ਏਰੌਕ ਦੇ ਰੂਪ ਵਿੱਚ ਵਰਗੀਕਰਣ ਪ੍ਰਦਰਸ਼ਨ ਵਿੱਚ ਕਮੀ ਆਈ. ਇਸ ਤੋਂ ਇਲਾਵਾ, ਸਭ ਤੋਂ ਵਧੀਆ ਅਤੇ ਭੈੜੇ ਮਾਡਲਾਂ ਦੇ ਵਰਗੀਕਰਣ ਪ੍ਰਦਰਸ਼ਨ ਵਿੱਚ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਅਤੇ ਵਿਸ਼ੇਸ਼ਤਾ ਵਿੱਚ ਅੰਤਰ ਹੈ ਜਿਸ ਵਿੱਚ 10% ਤੋਂ 25% ਤੱਕ ਦੀ ਵਿਸ਼ੇਸ਼ਤਾ ਹੈ ਅਤੇ ਅੰਦਰੂਨੀ ਟੈਸਟ ਸੈੱਟ ਵਿੱਚ ਅੰਤਰ ਤੋਂ ਵੱਡਾ ਸੀ.
18 ਸਾਲਾਂ ਦੇ ਕਟੌਫ ਦੇ ਮੁਕਾਬਲੇ ਰਵਾਇਤੀ methods ੰਗਾਂ ਦੇ ਮੁਕਾਬਲੇ ਡੇਟਾ ਮਾਈਨਿੰਗ ਵਰਗੀਕਰਣ ਮਾਡਲਾਂ ਦੀ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਅਤੇ ਵਿਸ਼ੇਸ਼ਤਾ. ਐਨਵੀਐਮ ਸਪੋਰਟ ਵੈਕਟਰ ਮਸ਼ੀਨ, ਐਲ.ਟੀ. ਲੌਜਿਸਟਿਕ ਰੈਗ੍ਰੇਸ਼ਨ, ਡੀ ਟੀ ਲੈਸਿਸਟਿਕ ਰੈਗ੍ਰੇਸ਼ਨ, ਐਕਸਜੀਬੀ ਐਕਸਗੌਟੀ, ਐਮਐਲਪੀ ਮਲਟੀਲੇ ਅਨੁਭਵ, ਐਮ ਐਲ ਪੀ ਮਲਟੀਲੇ ਭਾਵਨਾ ਵਾਲੇ .ੰਗ.
ਇਸ ਅਧਿਐਨ ਦਾ ਪਹਿਲਾ ਕਦਮ ਇਹ ਸੀ ਕਿ ਰਵਾਇਤੀ ਰੈਗ੍ਰੇਸ਼ਨ ਦੀ ਵਰਤੋਂ ਨਾਲ ਪ੍ਰਾਪਤ ਕੀਤੇ ਦੰਦਾਂ ਦੇ ਮਾੱਡਲਾਂ ਤੋਂ ਪ੍ਰਾਪਤ ਦੰਦਾਂ ਦੇ ਮਾੱਡਲਾਂ ਤੋਂ ਸ਼ੁੱਧਤਾ ਦੀ ਤੁਲਨਾ ਕਰਨੀ ਸੀ. ਮਏ ਅਤੇ ਆਰਐਮਐਸਈ ਨੂੰ ਦੋਵਾਂ ਲਿੰਗਾਂ ਲਈ ਅੰਦਰੂਨੀ ਟੈਸਟ ਸੈੱਟਾਂ ਵਿੱਚ ਮੁਲਾਂਕਣ ਕੀਤਾ ਗਿਆ ਸੀ, ਅਤੇ ਰਵਾਇਤੀ method ੰਗ ਅਤੇ ਡੀ ਐਮ ਮਾਡਲ ਦੇ ਵਿਚਕਾਰ ਅੰਤਰ 44 ਤੋਂ 77 ਦਿਨਾਂ ਵਿੱਚ ਅਤੇ 62 ਤੋਂ 87 ਦਿਨਾਂ ਵਿੱਚ ਐੱਲ.ਐੱਮ.ਐੱਸ. ਹਾਲਾਂਕਿ ਰਵਾਇਤੀ ਵਿਧੀ ਇਸ ਅਧਿਐਨ ਵਿੱਚ ਥੋੜ੍ਹੀ ਜਿਹੀ ਸਹੀ ਸੀ, ਇਹ ਸਿੱਟਾ ਕੱ to ਣਾ ਮੁਸ਼ਕਲ ਹੈ ਕਿ ਅਜਿਹੇ ਛੋਟੇ ਫਰਕ ਵਿੱਚ ਕਲੀਨੀਕਲ ਜਾਂ ਵਿਵਹਾਰਕ ਮਹੱਤਤਾ ਹੈ ਜਾਂ ਨਹੀਂ. ਇਹ ਨਤੀਜੇ ਦਰਸਾਉਂਦੇ ਹਨ ਕਿ ਡੀਐਮ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰਦਿਆਂ ਦੰਦਾਂ ਦੀ ਉਮਰ ਦੇ ਅਨੁਮਾਨ ਦੀ ਸ਼ੁੱਧਤਾ ਰਵਾਇਤੀ ਵਿਧੀ ਦੇ ਸਮਾਨ ਹੈ. ਪਿਛਲੇ ਅਧਿਐਨਾਂ ਦੇ ਨਤੀਜਿਆਂ ਦੀ ਸਿੱਧੀ ਤੁਲਨਾ ਮੁਸ਼ਕਲ ਹੈ ਕਿਉਂਕਿ ਇਸ ਅਧਿਐਨ ਵਿੱਚ ਇਸ ਅਧਿਐਨ ਵਿੱਚ ਇੱਕੋ ਜਿਹੇ ਦੰਦਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਿਆਂ ਰਵਾਇਤੀ ਅੰਕੜਿਆਂ ਦੀ ਸ਼ੁੱਧਤਾ ਦੀ ਤੁਲਨਾ ਕੀਤੀ ਗਈ ਹੈ. ਗੈਲਬੋਰਗ ਐਟ ਅਲ 24 ਨੇ ਮਏ ਅਤੇ ਆਰਐਮਈਏ ਦੀ ਦੋ ਰਵਾਇਤੀ methods ੰਗਾਂ (ਡੈਮਿਰਜੀਆਈ method ੰਗ ਅਤੇ ਵਿਲੇਮ method ੰਗ) ਅਤੇ 2 ਡੀ ਐਮ ਮਾੱਡਲਾਂ ਵਿੱਚ 2 ਤੋਂ 24 ਸਾਲ ਦੀ ਅਬਾਦੀ ਵਿੱਚ ਕੀਤੀ ਗਈ ਹੈ. ਉਨ੍ਹਾਂ ਨੇ ਦੱਸਿਆ ਕਿ ਸਾਰੇ ਡੀ ਐਮ ਮਾੱਡਲ ਕ੍ਰਮਵਾਰ 0.20 ਅਤੇ 0.25 ਸਾਲ ਦੇ ਨਾਲ. ਫ੍ਰੈਂਚ ਕੈਨੇਡੀਅਨਾਂ ਵਿਚ ਦਿਖਾਈ ਗਈ SD ਮਾਡਲ ਅਤੇ ਰਵਾਇਤੀ methods ੰਗਾਂ ਵਿਚ ਅੰਤਰ ਨੂੰ ਧਿਆਨ ਵਿਚ ਰੱਖਦਾ ਹੈ ਕਿ ਡੈਬਿਨਜਿਅਨ method ੰਗ ਉਨ੍ਹਾਂ ਫ੍ਰੈਂਚ ਕੈਨੇਡੀਅਨਾਂ ਤੋਂ ਇਲਾਵਾ ਆਬਾਦੀ ਵਿਚ ਦੰਦਾਂ ਦਾ ਸਹੀ ਅੰਦਾਜ਼ਾ ਨਹੀਂ ਲਗਾਉਂਦਾ ਜਿਸ ਨਾਲ ਅਧਿਐਨ ਅਧਾਰਤ ਸੀ. ਇਸ ਅਧਿਐਨ ਵਿਚ. ਤਾਈ ਏਟੀ ਏ ਐਲ 34 ਨੇ ਐਮ ਐਲ ਪੀ ਐਲਗੋਰਿਦਮ ਦੀ ਵਰਤੋਂ 1636 ਚੀਨੀ ਆਰਥੋਡਾ ਤੋਂ ਫੋਟੋਆਂ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕੀਤੀ ਅਤੇ ਆਪਣੀ ਸ਼ੁੱਧਤਾ ਦੀ ਤੁਲਨਾ ਡੈਮਿਰੀਅਨ ਅਤੇ ਵਿਲੇਮਜ਼ ਵਿਧੀ ਦੇ ਨਤੀਜਿਆਂ ਨਾਲ ਕੀਤੀ. ਉਨ੍ਹਾਂ ਨੇ ਦੱਸਿਆ ਕਿ ਐਮ ਐਲ ਪੀ ਕੋਲ ਰਵਾਇਤੀ ਤਰੀਕਿਆਂ ਨਾਲੋਂ ਵਧੇਰੇ ਸ਼ੁੱਧਤਾ ਹੈ. ਡੈਮਡਜਿਅਨ method ੰਗ ਅਤੇ ਰਵਾਇਤੀ method ੰਗ ਦੇ ਵਿਚਕਾਰ ਅੰਤਰ <0.32 ਸਾਲ ਹੈ, ਅਤੇ ਵਿਲ ਮਾਈਨਜ਼ ਵਿਧੀ 0.28 ਸਾਲ ਹੈ, ਜੋ ਕਿ ਮੌਜੂਦਾ ਅਧਿਐਨ ਦੇ ਨਤੀਜਿਆਂ ਦੇ ਅਨੁਸਾਰ ਹੈ. ਇਨ੍ਹਾਂ ਪਿਛਲੀਆਂ ਅਧਿਐਨ 2,34 ਦੇ ਨਤੀਜੇ ਵੀ ਮੌਜੂਦਾ ਅਧਿਐਨ ਦੇ ਨਤੀਜਿਆਂ ਨਾਲ ਇਕਸਾਰ ਹਨ, ਅਤੇ ਡੀਐਮ ਮਾਡਲ ਦੀ ਉਮਰ ਅਨੁਮਾਨ ਦੀ ਸ਼ੁੱਧਤਾ ਇਕੋ ਜਿਹੀ ਹੈ. ਹਾਲਾਂਕਿ, ਪੇਸ਼ ਕੀਤੇ ਗਏ ਨਤੀਜਿਆਂ ਦੇ ਅਧਾਰ ਤੇ, ਅਸੀਂ ਸਿਰਫ ਸਾਵਧਾਨੀ ਨਾਲ ਸਿੱਟਾ ਕੱ .ਦੇ ਹਾਂ ਕਿ ਅੰਦਾਜ਼ੇ ਦੀ ਉਮਰ ਦੇ ਡੀਐਮ ਮਾੱਡਲਾਂ ਦੀ ਵਰਤੋਂ ਤੁਲਨਾਤਮਕ ਅਤੇ ਸੰਦਰਭ ਪਿਛਲੇ ਅਧਿਐਨਾਂ ਦੀ ਘਾਟ ਕਾਰਨ ਮੌਜੂਦਾ ਤਰੀਕਿਆਂ ਨੂੰ ਬਦਲ ਸਕਦੀ ਹੈ. ਇਸ ਅਧਿਐਨ ਵਿਚ ਨਤੀਜਿਆਂ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਲਈ ਵੱਡੇ ਨਮੂਨੇ ਦੀ ਵਰਤੋਂ ਕਰਦਿਆਂ ਵੱਡੇ ਨਮੂਨੇ ਦੀ ਵਰਤੋਂ ਕਰਨ ਲਈ ਲੋੜੀਂਦੇ ਅਧਿਐਨਾਂ ਦੀ ਜ਼ਰੂਰਤ ਹੈ.
ਦੰਦਾਂ ਦੀ ਉਮਰ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਣ ਵਿਚ ਐਸ ਡੀ ਦੀ ਸ਼ੁੱਧਤਾ ਦੀ ਜਾਂਚ ਕਰਨ ਵਾਲੇ ਅਧਿਐਨਾਂ ਵਿਚੋਂ ਕਈਆਂ ਨੇ ਸਾਡੀ ਪੜ੍ਹਾਈ ਨਾਲੋਂ ਵਧੇਰੇ ਸ਼ੁੱਧਤਾ ਦਿਖਾਈ. ਸਟੈਅਾਨੋਵਸਕੀ ਅਤੇ ਅਲ 35 976 ਚੈੱਕ ਨਿਪੁੰਨ ਦੇ ਵਸਨੀਕਾਂ ਦੇ ਵਸਨੀਕਾਂ ਦੇ ਵਸਨੀਕਾਂ ਦੇ ਵਸਨੀਕਾਂ ਨੂੰ 2.7 ਤੋਂ 20.5 ਸਾਲ ਲਾਗੂ ਕੀਤੇ ਅਤੇ ਹਰੇਕ ਮਾਡਲ ਦੀ ਸ਼ੁੱਧਤਾ ਦੀ ਜਾਂਚ ਕੀਤੀ. ਉਨ੍ਹਾਂ ਨੇ ਮੂਰਨੇਸ ਐਟ ਅਲ 36 ਦੁਆਰਾ ਪ੍ਰਸਤਾਵਿਤ ਵਰਗੀਕਰਣ ਦੇ ਉਪਾਵਾਂ ਦੀ ਵਰਤੋਂ ਕਰਦਿਆਂ ਕੁੱਲ 16 ਵੱਡੇ ਅਤੇ ਹੇਠਲੇ ਖੱਬੇ ਸਥਾਈ ਦੰਦਾਂ ਦਾ ਮੁਲਾਂਕਣ ਕੀਤਾ. ਮਾ mee ਏ 0.64 ਤੋਂ 0.94 ਸਾਲਾਂ ਤੋਂ ਹੈ ਅਤੇ ਆਰਐਮਐਸਈ 0.85 ਤੋਂ 1.27 ਸਾਲਾਂ ਤੋਂ ਹੈ, ਜੋ ਇਸ ਅਧਿਐਨ ਵਿੱਚ ਵਰਤੇ ਗਏ ਦੋ ਡੀਐਮ ਮਾਡਲਾਂ ਨਾਲੋਂ ਵਧੇਰੇ ਸਹੀ ਹਨ. ਸ਼ੈਨ ਐਟ ਐਲ 23 ਨੇ ਪੂਰਬੀ ਚੀਨੀ ਵਜ਼ਨ 5 ਤੋਂ 13 ਸਾਲ ਦੇ ਖੱਬੇ ਸਥਾਈ ਦੰਦਾਂ ਦੀ ਦੰਦਾਂ ਦੇ ਯਾਤਰੀਆਂ ਦੀ ਦੰਦਾਂ ਦੀ ਉਮਰ ਦੇ ਖੱਬੇ ਤੋਂ ਵੱਧ ਪੱਕੇ ਦੰਦਾਂ ਦਾ ਅਨੁਮਾਨ ਲਗਾਇਆ ਅਤੇ ਇਸ ਨਾਲ ਲੀਨੀਅਰ ਰੈਗਰੈਸ਼ਨ, ਐਸਵੀਐਮ ਅਤੇ ਆਰਐਫ ਦੀ ਵਰਤੋਂ ਕੀਤੀ. ਉਨ੍ਹਾਂ ਨੇ ਦਿਖਾਇਆ ਕਿ ਰਵਾਇਤੀ ਕੈਮਰਨੀ ਫਾਰਮੂਲੇ ਦੇ ਮੁਕਾਬਲੇ ਸਾਰੇ ਤਿੰਨ ਡੀਐਮ ਮਾਡਲਾਂ ਦੀ ਵਧੇਰੇ ਸ਼ੁੱਧਤਾ ਹੁੰਦੀ ਹੈ. ਇਸ ਅਧਿਐਨ ਵਿਚ ਡੀ ਐਮ ਮਾਡਲ ਵਿਚਲੇ ਡੀਐਮ ਮਾਡਲ ਵਿਚ ਮਏ ਅਤੇ ਆਰ ਐਮ ਐਸ ਐਸ ਦੇ ਅਧਿਐਨ ਨਾਲੋਂ ਘੱਟ ਸਨ. ਸਟੀਪਸਾਨੋਵਸਕੀ ਐਟ ਅਲ ਦੁਆਰਾ ਸਟੱਡੀਜ਼ ਦੀ ਪੜ੍ਹਾਈ ਦੀ ਵਧਾਈ. 35 ਅਤੇ ਸ਼ੇਨ ਐਟ ਅਲ. 23 ਆਪਣੇ ਅਧਿਐਨ ਦੇ ਨਮੂਨਿਆਂ ਵਿੱਚ ਨੌਜਵਾਨ ਵਿਸ਼ਿਆਂ ਨੂੰ ਸ਼ਾਮਲ ਕਰਨ ਦੇ ਕਾਰਨ ਹੋ ਸਕਦੇ ਹਨ. ਕਿਉਂਕਿ ਦੰਦਾਂ ਦੇ ਵਿਕਾਸਸ਼ੀਲ ਰੂਪਾਂ ਵਾਲੇ ਭਾਗੀਦਾਰਾਂ ਲਈ ਉਮਰ ਦਾ ਅਨੁਮਾਨ ਦੰਦਾਂ ਦੇ ਵਿਕਾਸ ਦੇ ਦੌਰਾਨ ਦੰਦਾਂ ਦੇ ਵਾਧੇ ਦੇ ਵਾਧੇ ਦੀ ਸੰਖਿਆ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਦੰਦਾਂ ਦੀ ਸ਼ੁੱਧਤਾ ਦਾ ਅਧਿਐਨ ਕਰਨ ਵਾਲੇ ਛੋਟੇ ਹੁੰਦੇ ਹਨ. ਇਸ ਤੋਂ ਇਲਾਵਾ, ਐਮਐਲਪੀ ਦੀ ਉਮਰ ਅੰਦਾਜ਼ੇ ਵਿੱਚ ਗਲਤੀ ਐਸਐਲਪੀ ਦੇ ਤੋਂ ਥੋੜੀ ਜਿਹੀ ਹੈ, ਭਾਵ ਐਮਐਲਪੀ ਐਸਐਲਪੀ ਤੋਂ ਵਧੇਰੇ ਸਹੀ ਹੈ. ਐਮਐਲਪੀ ਨੂੰ ਉਮਰ ਅਨੁਮਾਨ ਲਈ ਥੋੜ੍ਹਾ ਜਿਹਾ ਬਿਹਤਰ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ, ਸੰਭਵ ਤੌਰ 'ਤੇ ਐਮ ਐਲ ਪੀ 38 ਵਿਚ ਲੁਕੀਆਂ ਹੋਈਆਂ ਪਰਤਾਂ ਕਾਰਨ. ਹਾਲਾਂਕਿ, women ਰਤਾਂ ਦੇ ਬਾਹਰੀ ਨਮੂਨੇ (ਐਸਐਲਪੀ 1.45, ਐਮ ਐਲ ਪੀ 1.49) ਲਈ ਇੱਕ ਅਪਵਾਦ ਹੈ. ਲੱਭਣਾ ਕਿ ਐਮ ਐਲ ਪੀ ਮੁਲਾਂਕਣ ਕਰਨ ਦੀ ਉਮਰ ਦੇ ਐਸਐਲਪੀ ਤੋਂ ਵਧੇਰੇ ਸਹੀ ਹੈ
ਡੀਐਮ ਮਾਡਲ ਦੀ ਵਰਗੀਕਰਣ ਪ੍ਰਦਰਸ਼ਨ ਅਤੇ 18 ਸਾਲਾਂ ਦੇ ਥ੍ਰੈਸ਼ੋਲਡ ਵਿਚ ਰਵਾਇਤੀ method ੰਗ ਦੀ ਤੁਲਨਾ ਵੀ ਕੀਤੀ ਗਈ ਸੀ. ਅੰਦਰੂਨੀ ਪਰੀਖਿਆ ਦੇ ਸਾਰੇ ਟੈਸਟ ਕੀਤੇ SD ਮਾਡਲਾਂ ਅਤੇ ਰਵਾਇਤੀ methods ੰਗਾਂ ਨੇ 18 ਸਾਲ ਪੁਰਾਣੇ ਨਮੂਨੇ ਲਈ ਵਿਤਕਰੇ ਦਾ ਮੰਨਣਯੋਗ ਪੱਧਰ ਦਰਸਾਇਆ. ਪੁਰਸ਼ਾਂ ਅਤੇ women ਰਤਾਂ ਲਈ ਕ੍ਰਮਵਾਰ 87.7% ਅਤੇ 94.9% ਤੋਂ ਵੱਧ ਸੀ, ਅਤੇ ਵਿਸ਼ੇਸ਼ਤਾ 89.3% ਤੋਂ ਵੱਧ ਸੀ ਅਤੇ 84.7%. ਸਾਰੇ ਟੈਸਟ ਕੀਤੇ ਮਾੱਡਲਾਂ ਤੋਂ ਵੀ 0.925 ਤੋਂ ਵੱਧ ਗਿਆ ਹੈ. ਸਾਡੇ ਗਿਆਨ ਦੇ ਸਭ ਤੋਂ ਵਧੀਆ ਲਈ, ਕਿਸੇ ਵੀ ਅਧਿਐਨ ਨੇ ਡੀਐਮ ਮਾਡਲ ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਦੀ ਦੰਦਾਂ ਦੀ ਪਰਿਪੱਕਤਾ ਦੇ ਅਧਾਰ ਤੇ 18 ਸਾਲਾ ਵਰਗੀਕਰਣ ਲਈ ਪ੍ਰਦਰਸ਼ਨ ਦੀ ਜਾਂਚ ਕੀਤੀ ਹੈ. ਤੁਸੀਂ ਇਸ ਅਧਿਐਨ ਦੇ ਨਤੀਜਿਆਂ ਦੀ ਤੁਲਨਾ ਪੈਨੋਰਾਮੌਮ ਰੇਡੀਓਗ੍ਰਾਫਾਂ 'ਤੇ ਡੂੰਘੇ ਸਿੱਖਣ ਦੇ ਮਾਡਲਾਂ ਦੀ ਸ਼੍ਰੇਣੀਬੱਧਤਾ ਨਾਲ ਕਰ ਸਕਦੇ ਹਾਂ. Guo El.15 ਨੇ ਸੀ ਐਨ ਐਨ-ਅਧਾਰਤ ਡੂੰਘੇ ਸਿੱਖਣ ਦੇ ਮਾੱਡਲ ਅਤੇ ਇੱਕ ਖਾਸ ਉਮਰ ਦੇ ਥ੍ਰੈਸ਼ੋਲਡ ਲਈ ਡੈਮੀਰਜੀਆਈ ਦੇ method ੰਗ ਦੇ ਅਧਾਰ ਤੇ ਇੱਕ ਮੈਨੂਅਲਫਿਕੇਸ਼ਨ ਪ੍ਰਦਰਸ਼ਨ ਦੀ ਗਣਨਾ ਕੀਤੀ. ਮੈਨੂਅਲ ਵਿਧੀ ਦੀ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਅਤੇ ਵਿਸ਼ੇਸ਼ਤਾ ਦਾ ਕ੍ਰਮਵਾਰ 87.7% ਅਤੇ 95.5% ਸੀ, ਅਤੇ ਸੀ ਐਨ ਐਨ ਮਾਡਲ ਦੀ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਅਤੇ ਵਿਸ਼ੇਸ਼ਤਾ ਕ੍ਰਮਵਾਰ 89.2% ਅਤੇ 86.6% ਤੋਂ ਵੱਧ ਗਈ. ਉਨ੍ਹਾਂ ਨੇ ਸਿੱਟਾ ਕੱ .ਿਆ ਕਿ ਗਾਇਸ਼ਿੰਗ ਉਮਰ ਦੇ ਤੀਸਰੇ ਮੁਲਾਂਕਣ ਨੂੰ ਵਰਗੀਕਰਣ ਜਾਂ ਪਛਤਾਵਾ ਕਰਨ ਵਾਲੇ ਸਮਝੇ ਜਾ ਸਕਦੇ ਹਨ. ਇਸ ਅਧਿਐਨ ਦੇ ਨਤੀਜਿਆਂ ਨੇ ਵਰਗੀਕਰਣ ਪ੍ਰਦਰਸ਼ਨ ਪ੍ਰਦਰਸ਼ਨ ਦਿਖਾਇਆ; ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ ਕਿ ਡੀਐਮ ਮਾੱਡਲਾਂ ਦੀ ਵਰਤੋਂ ਨਾਲ ਵਰਗੀਕਰਣ ਉਮਰ ਅਨੁਮਾਨ ਲਈ ਰਵਾਇਤੀ ਅੰਕੜਿਆਂ ਦੇ ਤਰੀਕਿਆਂ ਨੂੰ ਬਦਲ ਸਕਦਾ ਹੈ. ਮਾਡਲਾਂ ਵਿਚ, ਡੀਐਮ ਐਲ.ਆਰ. ਮਾਦਾ ਨਮੂਨੇ ਲਈ ਮਰਦ ਨਮੂਨੇ ਅਤੇ ਸਪਸ਼ਟਤਾ ਲਈ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਅਤੇ ਵਿਸ਼ੇਸ਼ਤਾ ਲਈ ਸਭ ਤੋਂ ਵਧੀਆ ਮਾਡਲ ਸੀ. ਐਲਆਰ ਨੇ ਮਰਦਾਂ ਲਈ ਵਿਸ਼ੇਸ਼ਤਾ ਵਿੱਚ ਦੂਜਾ ਸਥਾਨ ਦਿੱਤਾ. ਇਸ ਤੋਂ ਇਲਾਵਾ, ਐਲਆਰ ਨੂੰ ਵਧੇਰੇ ਉਪਭੋਗਤਾ-ਅਨੁਕੂਲ ਡੀਐਮ 35 ਮਾਡਲਾਂ ਵਿਚੋਂ ਇਕ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ ਅਤੇ ਘੱਟ ਗੁੰਝਲਦਾਰ ਅਤੇ ਪ੍ਰਕਿਰਿਆ ਕਰਨਾ ਮੁਸ਼ਕਲ ਹੈ. ਇਨ੍ਹਾਂ ਨਤੀਜਿਆਂ ਦੇ ਅਧਾਰ ਤੇ, ਐਲਆਰ ਨੂੰ ਕੋਰੀਆ ਦੀ ਆਬਾਦੀ ਵਿੱਚ 18 ਸਾਲ ਦੇ ਬੱਚਿਆਂ ਲਈ ਸਰਬੋਤਮ ਕਟੌਫ ਵਰਗੀਕਰਣ ਮਾਡਲ ਮੰਨਿਆ ਜਾਂਦਾ ਸੀ.
ਕੁਲ ਮਿਲਾ ਕੇ, ਬਾਹਰੀ ਟੈਸਟ ਸੈੱਟ 'ਤੇ ਉਮਰ ਦੇ ਅਨੁਮਾਨ ਜਾਂ ਵਰਗੀਕਰਣ ਪ੍ਰਦਰਸ਼ਨ ਦੀ ਸ਼ੁੱਧਤਾ ਮਾੜੀ ਜਾਂ ਘੱਟ ਸੀ ਜਿਸ ਦੇ ਨਤੀਜੇ ਵਜੋਂ ਅੰਦਰੂਨੀ ਪਰੀਖਿਆ ਸੈੱਟ ਦੇ ਨਤੀਜਿਆਂ ਦੇ ਮੁਕਾਬਲੇ ਮਾੜਾ ਜਾਂ ਘੱਟ ਸੀ. ਕੁਝ ਰਿਪੋਰਟਾਂ ਦਰਸਾਉਂਦੀਆਂ ਹਨ ਕਿ ਵਰਗੀਕਰਣ ਦੀ ਸ਼ੁੱਧਤਾ ਜਾਂ ਕੁਸ਼ਲਤਾ ਨੂੰ ਘਟਦਾ ਹੈ ਜਦੋਂ ਕੋਰੀਆ ਦੀ ਆਬਾਦੀ ਦੇ ਅਧਾਰ ਤੇ ਉਮਰ ਦੇ ਅਨੁਮਾਨ ਜਾਪਾਨੀ ਆਬਾਦੀ 'ਤੇ ਲਾਗੂ ਹੁੰਦੇ ਹਨ, ਅਤੇ ਮੌਜੂਦਾ ਅਧਿਐਨ ਵਿੱਚ ਅਜਿਹਾ ਹੀ ਇਸ ਨਮੂਨਾ ਮਿਲਿਆ ਹੈ. ਇਹ ਵਿਗਾੜਪੂਰਣ ਰੁਝਾਨ ਵੀ ਡੀਐਮ ਮਾਡਲ ਵਿਚ ਦੇਖਿਆ ਗਿਆ ਸੀ. ਇਸ ਲਈ, ਉਮਰ ਦਾ ਸਹੀ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਲਈ ਵੀ, ਵਿਸ਼ਲੇਸ਼ਣ ਪ੍ਰਕਿਰਿਆ ਵਿਚ ਡੀਐਮ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਸਮੇਂ ਵੀ, ਮਕਵਾਰਾਂ ਦੇ ਵਿਧੀਆਂ, ਵਿਧੀਆਂ ਨੂੰ 15,39,40,411,42 ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ. ਕਿਉਂਕਿ ਇਹ ਅਸਪਸ਼ਟ ਹੈ ਕਿ ਡਰਾਉਣੀ ਸਿੱਖਣ ਦੇ ਮਾੱਡਲ ਸਮਾਨ ਰੁਝਾਨ ਦਿਖਾ ਸਕਦੇ ਹਨ, ਜੋ ਕਿ ਉਸੇ ਹੀ ਨਮੂਨੇ, ਡੀਐਮ ਮਾੱਡਲਜ਼ ਅਤੇ ਕੁਸ਼ਲਤਾ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਲਈ ਜ਼ਰੂਰੀ ਹੈ ਕਿ ਨਕਲੀ ਬੁੱਧੀ ਸੀਮਤ ਉਮਰ ਦੀਆਂ ਇਨ੍ਹਾਂ ਨਸਲੀ ਅਸਮਾਨਤਾਵਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨ ਲਈ ਜ਼ਰੂਰੀ ਹੈ. ਮੁਲਾਂਕਣ.
ਅਸੀਂ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਦੇ ਹਾਂ ਕਿ ਕੋਰੀਆ ਵਿੱਚ ਫੋਰਜ਼ਨਿਕ ਉਮਰ ਅਨੁਮਾਨ ਲਗਾਉਣ ਦੇ ਅਭਿਆਸ ਵਿੱਚ ਡੀ ਐਮ ਮਾਡਲ ਦੇ ਅਧਾਰ ਤੇ ਰਵਾਇਤੀ methods ੰਗਾਂ ਦੀ ਥਾਂ ਉਮਰ ਦੇ ਅਨੁਮਾਨ ਦੁਆਰਾ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ. ਅਸੀਂ ਫੋਰੈਂਸਿਕ ਯੁਸੀ ਮੁਲਾਂਕਣ ਲਈ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੀ ਸੰਭਾਵਨਾ ਵੀ ਲੱਭੀ. ਹਾਲਾਂਕਿ, ਇੱਥੇ ਸਪੱਸ਼ਟ ਸੀਮਾਵਾਂ ਹਨ, ਜਿਵੇਂ ਕਿ ਇਸ ਅਧਿਐਨ ਵਿੱਚ ਨਤੀਜੇ ਨਿਰਧਾਰਤ ਕਰਨ ਵਾਲੇ ਨਤੀਜੇ ਨਿਰਧਾਰਤ ਕਰਨ ਅਤੇ ਇਸ ਅਧਿਐਨ ਦੇ ਨਤੀਜਿਆਂ ਦੀ ਤੁਲਨਾ ਕਰਨ ਲਈ ਇਸ ਅਧਿਐਨ ਵਿੱਚ ਨਾਕਾਫ਼ੀ ਗਿਣਤੀ ਅਤੇ ਇਸ ਅਧਿਐਨ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨ ਲਈ. ਭਵਿੱਖ ਵਿੱਚ, DM ਅਧਿਐਨਾਂ ਨੂੰ ਰਵਾਇਤੀ methods ੰਗਾਂ ਦੀ ਤੁਲਨਾ ਵਿੱਚ ਇਸ ਦੀਆਂ ਵਿਹਾਰਕ ਪ੍ਰਕਿਰਿਆ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਵੱਡੀ ਗਿਣਤੀ ਨਮੂਨਿਆਂ ਅਤੇ ਵਧੇਰੇ ਵਿਭਿੰਨ ਅਬਾਦੀ ਨਾਲ ਕਰਵਾਉਣਾ ਚਾਹੀਦਾ ਹੈ. ਮਲਟੀਪਲ ਅਡੈਂਟਸ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਲਈ ਨਕਲੀ ਬੁੱਧੀ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਸੰਭਾਵਨਾ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਲਈ, ਉਸੇ ਨਮੂਨੇ ਵਿੱਚ ਰਵਾਇਤੀ methods ੰਗਾਂ ਦੀ ਸ਼੍ਰੇਣੀਬੱਧਤਾ ਅਤੇ ਕੁਸ਼ਲਤਾ ਦੀ ਤੁਲਨਾ ਕਰਨ ਲਈ ਆਉਣ ਵਾਲੇ ਅਧਿਐਨਾਂ ਦੀ ਜ਼ਰੂਰਤ ਹੁੰਦੀ ਹੈ.
ਅਧਿਐਨ ਦੀ ਵਰਤੋਂ ਕੋਰੀਆ ਤੋਂ 23 ਤੋਂ 23 ਤੋਂ 23 ਵੇਂ ਸਾਲਾਂ ਦੇ ਕੋਰੀਆ ਅਤੇ ਜਪਾਨੀ ਬਾਲਗਾਂ ਤੋਂ ਇਕੱਤਰ ਕੀਤੀਆਂ 2,657 ਆਰਟੋਲਗੋਲਿਕ ਫੋਟੋਆਂ ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਗਈ. ਕੋਰੀਆ ਦੇ ਰੇਡੀਓਗ੍ਰਾਫ ਨੂੰ 900 ਸਿਖਲਾਈ ਸੈੱਟਾਂ (19.42 ±± 2.65 ਸਾਲ) ਅਤੇ 900 ਦੇ ਅੰਦਰੂਨੀ ਟੈਸਟ ਸੈੱਟ (19.52 ±± 2.59 ਸਾਲ) ਵਿੱਚ ਵੰਡਿਆ ਗਿਆ. ਸਿਖਲਾਈ ਸੈੱਟ ਨੂੰ ਇਕ ਸੰਸਥਾ (ਸਿਓਲ ਸਟੂ ਮੈਰੀ ਦੇ ਹਸਪਤਾਲ) ਵਿਖੇ ਇਕੱਤਰ ਕੀਤਾ ਗਿਆ, ਅਤੇ ਆਪਣਾ ਟੈਸਟ ਸੈਟ ਦੋ ਅਦਾਰਿਆਂ (ਸੋਲ ਨੈਸ਼ਨਲ ਯੂਨੀਵਰਸਿਟੀ ਦੇ ਦੰਦ ਹਸਪਤਾਲ ਅਤੇ ਯੋਨਸੇਆਈ ਯੂਨੀਵਰਸਿਟੀ ਦੇ ਦੰਦ ਹਸਪਤਾਲ ਅਤੇ ਯੋਨਸੇਆਈ ਯੂਨੀਵਰਸਿਟੀ ਦੇ ਦੰਦ ਹਸਪਤਾਲ ਅਤੇ ਸੋਓਲ ਨੈਸ਼ਨਲ ਨੈਸ਼ਨਲ ਯੂਨੀਵਰਸਿਟੀ ਦੇ ਦੰਦ ਹਸਪਤਾਲ ਅਤੇ ਇਕੱਤਰ ਕੀਤਾ ਗਿਆ ਸੀ. ਅਸੀਂ ਬਾਹਰੀ ਟੈਸਟਿੰਗ ਲਈ ਇਕ ਹੋਰ ਆਬਾਦੀ-ਅਧਾਰਤ ਡੇਟਾ (ਈਵੈਟ ਮੈਡੀਕਲ ਯੂਨੀਵਰਸਿਟੀ, ਆਈਵੈਟ ਮੈਡੀਕਲ ਯੂਨੀਵਰਸਿਟੀ, ਆਈਵੈਟ ਮੈਡੀਕਲ ਯੂਨੀਵਰਸਿਟੀ, ਆਈਵੈਟ ਮੈਡੀਕਲ ਯੂਨੀਵਰਸਿਟੀ, ਆਈਵੈਟ ਮੈਡੀਕਲ ਯੂਨੀਵਰਸਿਟੀ ਤੋਂ) 857 ਰੇਡੀਓਗ੍ਰਾਫ ਵੀ ਇਕੱਠੇ ਕੀਤੇ. ਜਪਾਨੀ ਵਿਸ਼ਿਆਂ ਦੇ ਰੇਡੀਓਗ੍ਰਾਫ (19.31 ±± 2.60 ਸਾਲ) ਨੂੰ ਬਾਹਰੀ ਟੈਸਟ ਸੈੱਟ ਵਜੋਂ ਚੁਣਿਆ ਗਿਆ ਸੀ. ਦੰਦਾਂ ਦੇ ਇਲਾਜ ਦੌਰਾਨ ਲਏ ਗਏ ਪੈਨੋਰਾਮੌਮ ਰੇਡੀਓਲਸ 'ਤੇ ਦੰਦਾਂ ਦੇ ਵਿਕਾਸ ਦੇ ਪੜਾਵਾਂ ਦੇ ਪੜਾਵਾਂ ਦੇ ਪੜਾਵਾਂ ਦੇ ਪੜਾਵਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ ਡੇਟਾ ਨੂੰ ਇੱਕਠਾ ਕੀਤਾ ਗਿਆ ਸੀ. ਇਕੱਤਰ ਕੀਤੇ ਸਾਰੇ ਡੇਟਾ ਅਗਿਆਤ ਸਨ ਲਿੰਗ, ਜਨਮ ਮਿਤੀ ਅਤੇ ਰੇਡੀਓਗ੍ਰਾਫ ਦੀ ਮਿਤੀ ਨੂੰ ਛੱਡ ਕੇ ਗੁਮਨਾਮ ਸਨ. ਸ਼ਾਮਲ ਕੀਤੇ ਗਏ ਅਤੇ ਵੱਖਰੇ ਮਾਪਦੰਡ ਇਕੋ ਜਿਹੇ ਸਨ ਜਿਵੇਂ ਪਹਿਲਾਂ ਪ੍ਰਕਾਸ਼ਤ ਅਧਿਐਨਾਂ 4, 5. ਨਮੂਨੇ ਦੀ ਅਸਲ ਉਮਰ ਦੀ ਗਣਨਾ ਮਿਤੀ ਤੋਂ ਘਟਾ ਕੇ ਗਣਨਾ ਕੀਤੀ ਗਈ ਜਿਸਦੀ ਤਾਰੀਖ ਰੇਡੀਓਗ੍ਰਾਫ ਕੀਤੀ ਗਈ ਸੀ. ਨਮੂਨਾ ਸਮੂਹ ਨੌਂ ਉਮਰ ਸਮੂਹਾਂ ਵਿੱਚ ਵੰਡਿਆ ਗਿਆ ਸੀ. ਸਾਰਣੀ 3 ਵਿਚ ਉਮਰ ਅਤੇ ਲਿੰਗ ਡਿਸਟ੍ਰੀਬਿ .ਸ਼ਨਾਂ ਨੂੰ ਦਿਖਾਇਆ ਗਿਆ ਹੈ ਕਿ ਇਹ ਅਧਿਐਨ ਹੇਲਸਿੰਕੀ ਦੇ ਰਾਜੇ ਯੂਨੀਵਰਸਿਟੀ (KC22wisi0328) ਦੇ ਸੰਸਥਾਗਤ ਸਮੀਖਿਆ ਬੋਰਡ (ਆਈਆਰਬੀ) ਦੇ ਅਧਿਕਾਰਤ ਤੌਰ 'ਤੇ ਪ੍ਰਵਾਨਗੀ ਦੇ ਅਨੁਸਾਰ ਕੀਤਾ ਗਿਆ ਸੀ. ਇਸ ਅਧਿਐਨ ਦੇ ਪਿਛੋਕੜ ਦੇ ਡਿਜ਼ਾਇਨ ਦੇ ਕਾਰਨ, ਇਲਾਜ ਦੇ ਉਦੇਸ਼ਾਂ ਲਈ ਰੇਡੀਓਗ੍ਰਾਫਿਕ ਪ੍ਰੀਖਿਆ ਕਰਵਾ ਰਹੇ ਸਾਰੇ ਮਰੀਜ਼ਾਂ ਤੋਂ ਸੂਚਿਤ ਸਹਿਮਤੀ ਪ੍ਰਾਪਤ ਨਹੀਂ ਕੀਤੀ ਜਾ ਸਕੀ. ਸੋਲ ਕੋਰੀਆ ਯੂਨੀਵਰਸਿਟੀ ਸੇਂਟ ਮੈਰੀ ਦਾ ਹਸਪਤਾਲ (ਆਈਆਰਬੀ) ਨੇ ਸੂਚਿਤ ਸਹਿਮਤੀ ਦੀ ਜ਼ਰੂਰਤ ਮੁਆਫ ਕੀਤੀ.
ਬਿਇਮੈਕਸਿਲਰੀ ਸੈਕਿੰਡ ਦੇ ਵਿਕਾਸ ਦੇ ਅਧਿਕਾਰਾਂ ਦਾ ਮੁਲਾਂਕਣ ਡੈਮੀਅਰਕਨ ਮਾਪਦੰਡ 25 ਦੇ ਅਨੁਸਾਰ ਕੀਤਾ ਗਿਆ ਸੀ. ਸਿਰਫ ਇਕ ਦੰਦ ਚੁਣਿਆ ਗਿਆ ਸੀ ਜੇ ਹਰ ਜਬਾੜੇ ਦੇ ਖੱਬੇ ਅਤੇ ਸੱਜੇ ਪਾਸੇ ਇਕੋ ਕਿਸਮ ਦੇ ਦੰਦਾਂ ਦੀ ਇਕੋ ਕਿਸਮ ਦੀ ਦੰਦ ਮਿਲੀ. ਜੇ ਦੋਵਾਂ ਪਾਸਿਆਂ ਤੋਂ ਇਕੋ ਵਿਕਾਸ ਦੇ ਦੰਦ ਵੱਖ-ਵੱਖ ਪੜਾਅ 'ਤੇ ਸਨ, ਤਾਂ ਹੇਠਲੇ ਵਿਕਾਸ ਦੇ ਪੜਾਅ ਨਾਲ ਦੰਦ ਅਨੁਮਾਨਤ ਉਮਰ ਵਿਚ ਅਨਿਸ਼ਚਿਤਤਾ ਲਈ ਬਖਸ਼ਿਆ ਹੋਇਆ ਸੀ. ਦੰਦਾਂ ਦੀ ਪਰਿਪੱਕਤਾ ਪੜਾਅ ਨਿਰਧਾਰਤ ਕਰਨ ਲਈ ਫਸਾਉਣ ਦੀ ਭਰੋਸੇਯੋਗਤਾ ਤੋਂ ਬਾਅਦ ਦੋ ਤਜ਼ਰਬੇਕਾਰਾਂ ਦੁਆਰਾ ਇੱਕ ਸੌ ਲਗਾਤਾਰ ਚੁਣੇ ਗਏ ਰੇਡੀਓਪ੍ਰਾਈਸ ਦੁਆਰਾ ਕੀਤੇ ਗਏ ਸਨ. ਇਨਟਰੋਬਜ਼ਰਵਰ ਭਰੋਸੇਯੋਗਤਾ ਦਾ ਪ੍ਰਾਇਮਰੀ ਅਬਜ਼ਰਵਰ ਦੁਆਰਾ ਤਿੰਨ ਮਹੀਨਿਆਂ ਦੇ ਅੰਤਰਾਲਾਂ ਤੇ ਦੋ ਵਾਰ ਮੁਲਾਂਕਣ ਕੀਤਾ ਗਿਆ ਸੀ.
ਸਿਖਲਾਈ ਸਮੂਹ ਦੇ ਦੂਜੇ ਜਬਾੜੇ ਦੇ ਲਿੰਗ ਅਤੇ ਵਿਕਾਸ ਦੇ ਪੜਾਅ ਦਾ ਅਨੁਮਾਨ ਵੱਖ-ਵੱਖ ਡੀਐਮ ਮਾਡਲਾਂ ਦੀ ਸਿਖਲਾਈ ਦਿੱਤੀ ਗਈ ਸੀ, ਅਤੇ ਅਸਲ ਉਮਰ ਨੂੰ ਟੀਚੇ ਦੇ ਮੁੱਲ ਵਜੋਂ ਸੈੱਟ ਕੀਤਾ ਗਿਆ ਸੀ. ਐਸਐਲਪੀ ਅਤੇ ਐਮਐਲਪੀ ਮਾੱਡਲ, ਜੋ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਵਿੱਚ ਵਿਆਪਕ ਤੌਰ ਤੇ ਵਰਤੇ ਜਾਂਦੇ ਹਨ, ਨੂੰ ਰੈਗ੍ਰੇਸ਼ਨ ਐਲਗੋਰਿਥਮ ਦੇ ਵਿਰੁੱਧ ਪਰਖਿਆ ਗਿਆ ਸੀ. ਡੀਐਮ ਮਾਡਲ ਚਾਰ ਦੰਦਾਂ ਦੇ ਵਿਕਾਸ ਦੇ ਪੜਾਅ ਦੀ ਵਰਤੋਂ ਕਰਦਿਆਂ ਲੀਨੀਅਰ ਫੰਕਸ਼ਨਾਂ ਨੂੰ ਜੋੜਦਾ ਹੈ ਅਤੇ ਉਮਰ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਣ ਲਈ ਇਹਨਾਂ ਡੇਟਾ ਨੂੰ ਜੋੜਦਾ ਹੈ. ਐਸਐਲਪੀ ਸਭ ਤੋਂ ਸੌਖਾ ਦਿਮਾਗੀ ਨੈਟਵਰਕ ਹੈ ਅਤੇ ਇਸ ਵਿੱਚ ਲੁਕੀਆਂ ਹੋਈਆਂ ਪਰਤਾਂ ਨਹੀਂ ਹਨ. ਨੋਡਾਂ ਦੇ ਵਿਚਕਾਰ ਥ੍ਰੈਸ਼ੋਲਡ ਪ੍ਰਸਾਰਣ ਦੇ ਅਧਾਰ ਤੇ ਐਸਐਲਪੀ ਕੰਮ ਕਰਦਾ ਹੈ. ਰੈਗ੍ਰੇਸ਼ਨ ਵਿੱਚ ਐਸਐਲਪੀ ਮਾਡਲ ਮਲਟੀਪਲ ਲੀਨੀਅਰ ਰੈਗਰੈਸ਼ਨ ਦੇ ਸਮਾਨ ਹੈ. ਐਸ ਐਲ ਪੀ ਮਾਡਲ ਦੇ ਉਲਟ, ਐਮ ਐਲ ਪੀ ਮਾਡਲ ਵਿਚ ਗ਼ੈਰ-ਲਾਈਨ ਐਕਟਿਵੇਸ਼ਨ ਫੰਕਸ਼ਨ ਦੇ ਨਾਲ ਕਈ ਲੁਕਵੇਂ ਪਰਤਾਂ ਹਨ. ਸਾਡੇ ਪ੍ਰਯੋਗਾਂ ਨੇ ਇੱਕ ਲੁਕਵੀਂ ਪਰਤ ਦੀ ਵਰਤੋਂ ਨਾਨਲਾਈਨਰ ਐਕਟੀਵੇਸ਼ਨ ਫੰਕਸ਼ਨਾਂ ਦੇ ਨਾਲ ਸਿਰਫ 20 ਲੁਕਵੇਂ ਨੋਡਾਂ ਨਾਲ ਕੀਤੀ. ਆਪਣੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਮਾਡਲ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਘਾਟੇ ਦੇ ਫੰਕਸ਼ਨ ਵਜੋਂ ਗਰੇਡੀਐਂਟ ਅਪੇਂਟ ਦੀ ਵਰਤੋਂ ਕਰੋ. ਸਭ ਤੋਂ ਵਧੀਆ ਪ੍ਰਾਪਤ ਰੈਗ੍ਰੇਸ਼ਨ ਦਾ ਮਾਡਲ ਅੰਦਰੂਨੀ ਅਤੇ ਬਾਹਰੀ ਟੈਸਟ ਸੈੱਟਾਂ ਤੇ ਲਾਗੂ ਕੀਤਾ ਗਿਆ ਸੀ ਅਤੇ ਦੰਦਾਂ ਦੀ ਉਮਰ ਦਾ ਅਨੁਮਾਨ ਲਗਾਇਆ ਗਿਆ ਸੀ.
ਇੱਕ ਵਰਗੀਕਰਣ ਐਲਗੋਰਿਦਮ ਵਿਕਸਿਤ ਕੀਤਾ ਗਿਆ ਸੀ ਜੋ ਕਿ ਸਿਖਲਾਈ ਲਈ ਚਾਰ ਦੰਦ ਪਰਿਪੱਕਤਾ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ ਜਾਂ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਲਈ ਕਿ ਕੋਈ ਨਮੂਨਾ 18 ਸਾਲ ਦਾ ਹੈ ਜਾਂ ਨਹੀਂ. ਮਾਡਲ ਬਣਾਉਣ ਲਈ, ਅਸੀਂ ਸੱਤ ਨੁਮਾਇੰਦਗੀ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਤੋਂ ਐਲਗੋਰਿਥਮਸ 6,43: (1) ਐਲਟੀ, ()) ਡੀ.ਟੀ., ()) ਐਮ ਐਲ ਪੀ, ()) ਐਮ.ਐਲ.ਪੀ. . ਐਲਆਰ ਇਕ ਬਹੁਤ ਹੀ ਵਿਆਪਕ ਵਰਤੇ ਗਏ ਵਰਗੀਕਰਣ ਐਲਗੋਰਿਥਮ 44 ਵਿਚੋਂ ਇਕ ਹੈ. ਇਹ ਇਕ ਨਿਗਰਾਨੀ ਐਲਗੋਰਿਦਮ ਹੈ ਜੋ ਇਸ ਸੰਭਾਵਨਾ ਦੇ ਅਧਾਰ ਤੇ ਕਿਸੇ ਵਿਸ਼ੇਸ਼ ਸ਼੍ਰੇਣੀ ਨਾਲ ਸਬੰਧਤ ਡੇਟਾ ਦੀ ਸੰਭਾਵਨਾ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨ ਲਈ ਵਿਰੋਧ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ ਅਤੇ ਇਸ ਸੰਭਾਵਨਾ ਦੇ ਅਧਾਰ ਤੇ ਕਿਸੇ ਵੀ ਸੰਭਾਵਤ ਸ਼੍ਰੇਣੀ ਨਾਲ ਸਬੰਧਤ ਸ਼੍ਰੇਣੀ ਦੇ ਰੂਪ ਵਿੱਚ ਸ਼੍ਰੇਣੀਬੱਧ ਕਰਦਾ ਹੈ; ਮੁੱਖ ਤੌਰ ਤੇ ਬਾਈਨਰੀ ਵਰਗੀਕਰਣ ਲਈ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ. ਐਨ ਐਨ ਆਈਨਲਗੋਰਿਦਮ 45 ਵਿੱਚ ਇੱਕ ਸਰਲ ਮਸ਼ੀਨ ਹੈ. ਜਦੋਂ ਨਵਾਂ ਇਨਪੁਟ ਡੇਟਾ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਇਹ ਮੌਜੂਦਾ ਸੈੱਟ ਦੇ ਨੇੜੇ ਕੇ ਡਾਟਾ ਲੱਭਦਾ ਹੈ ਅਤੇ ਫਿਰ ਉਨ੍ਹਾਂ ਨੂੰ ਕਲਾਸ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ ਬਾਰੰਬਾਰਤਾ ਨਾਲ ਸ਼੍ਰੇਣੀ ਵਿੱਚ ਵੰਡਦਾ ਹੈ. (ਕੇ) ਮੰਨਦੇ ਹੋਏ ਗੁਆਂ neighbors ੀਆਂ ਦੀ ਗਿਣਤੀ ਲਈ ਅਸੀਂ 3 ਸੈਟ ਕੀਤੇ. ਐਸਵੀਐਮ ਇੱਕ ਐਲਗੋਰਿਦਮ ਹੈ ਜੋ ਲੀਨੀਅਰ ਸਪੇਸ ਨੂੰ ਇੱਕ ਗੈਰ-ਲੀਨੀਅਰ ਸਪੇਸ ਵਿੱਚ ਇੱਕ ਗੈਰ-ਲੀਨੀਅਰ ਸਪੇਸ ਵਿੱਚ ਇੱਕ ਗੈਰ-ਲੀਨੀਅਰ ਸਪੇਸ ਵਿੱਚ ਵਧਾਉਣ ਲਈ ਕਰਨਲ ਫੰਕਸ਼ਨ ਨੂੰ ਵਧਾਉਂਦਾ ਹੈ. ਇਸ ਮਾਡਲ ਲਈ, ਅਸੀਂ ਬਾਇਸੋਮਿਕ ਕਰਨਲ ਲਈ ਹਾਈਪਰਪਾਰਮਟਰਾਂ ਵਜੋਂ ਜੀਓਐਸ = 1, ਪਾਵਰ = 1, ਅਤੇ ਗਾਮਾ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਾਂ. ਡੀਟੀ ਨੂੰ ਵੱਖ-ਵੱਖ ਸਮੂਹਾਂ ਵਿੱਚ ਵੱਖ ਵੱਖ ਡੇਟਾ ਨੂੰ ਇੱਕ ਦਰੱਖਤ structure ਾਂਚੇ ਵਿੱਚ ਫੈਸਲਾ ਲੈਣ ਦੇ ਨਿਯਮਾਂ ਨੂੰ ਦਰਸਾਉਂਦਿਆਂ ਕਈ ਉਪ-ਸਮੂਹਾਂ ਵਿੱਚ ਵੰਡਣ ਲਈ ਲਾਗੂ ਕੀਤਾ ਗਿਆ ਹੈ. ਮਾਡਲ ਨੂੰ ਪ੍ਰਤੀ ਨੋਡ ਦੇ ਘੱਟੋ ਘੱਟ ਰਿਕਾਰਡਾਂ ਦੀ ਘੱਟੋ-ਘੱਟ ਗਿਣਤੀ ਦੇ ਰਿਕਾਰਡਾਂ ਦੇ ਨਾਲ ਕੌਂਫਿਗਰ ਕੀਤਾ ਗਿਆ ਹੈ ਅਤੇ ਜੀਨੀ ਇੰਡੈਕਸ ਦੀ ਗੁਣਵੱਤਾ ਦੇ ਮਾਪ ਵਜੋਂ ਵਰਤਦਾ ਹੈ. ਆਰ ਐੱਫ ਇੱਕ ਏਸੀਆਰਬਲ ਵਿਧੀ ਹੈ ਜੋ ਬੂਟਸਟਰੈਪ ਏਕਤਾ ਵਿਧੀ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕਾਰਗੁਜ਼ਾਰੀ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਮਲਟੀਪਲ ਡੀ.ਟੀ.ਜ਼ ਨੂੰ ਜੋੜਦਾ ਹੈ ਜੋ ਅਸਲ ਡੈਟਾਸੇਟ 48 ਤੋਂ ਕਈ ਵਾਰ ਇਕੋ ਅਕਾਰ ਦੇ ਡਰਾਇੰਗ ਦੇ ਨਮੂਨੇ ਤਿਆਰ ਕਰਦੀ ਹੈ. ਅਸੀਂ 100 ਰੁੱਖਾਂ, 10 ਟ੍ਰੀ ਡੂੰਘਾਈ, 1 ਟ੍ਰੀ ਦੀਾਈ ਅਕਾਰ, 1 ਘੱਟੋ ਘੱਟ ਨੋਡ ਆਕਾਰ, ਅਤੇ ਜੀਨੀ ਐਡਮੀਕਸਚਰ ਇੰਡੈਕਸ ਨੋਡ ਵੱਖਰੇ ਮਾਪਦੰਡਾਂ ਵਜੋਂ ਵਰਤੀ ਜਾਂਦੀ ਹੈ. ਨਵੇਂ ਡੇਟਾ ਦਾ ਵਰਗੀਕਰਣ ਬਹੁਗਿਣਤੀ ਵੋਟ ਦੁਆਰਾ ਨਿਰਧਾਰਤ ਕੀਤਾ ਜਾਂਦਾ ਹੈ. ਐਕਸਗਬੌਸਟ ਇੱਕ ਐਲਗੋਰਿਦਮ ਹੈ ਜੋ ਇੱਕ method ੰਗ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਉਤਸ਼ਾਹਿਤ ਤਕਨੀਕਾਂ ਨੂੰ ਜੋੜਦਾ ਹੈ ਜੋ ਕਿ ਸਿਖਲਾਈ ਦੇ ਤੌਰ ਤੇ ਪਿਛਲੇ ਮਾਡਲ ਦੇ ਅਸਲ ਅਤੇ ਅਨੁਮਾਨਿਤ ਮੁੱਲਾਂ ਦੇ ਵਿਚਕਾਰ ਗਲਤੀ ਕਰਦਾ ਹੈ ਅਤੇ ਗਰੇਡੀਐਂਡੀਅਨਸ 49 ਦੀ ਵਰਤੋਂ ਗਲਤੀ ਨੂੰ ਵਧਾਉਂਦਾ ਹੈ. ਇਸ ਦੀ ਚੰਗੀ ਕਾਰਗੁਜ਼ਾਰੀ ਅਤੇ ਸਰੋਤ ਕੁਸ਼ਲਤਾ ਦੇ ਨਾਲ ਨਾਲ ਉੱਚ ਭਰੋਸੇਯੋਗਤਾ ਦੇ ਨਾਲ ਨਾਲ ਉੱਚ ਭਰੋਸੇਯੋਗਤਾ ਨੂੰ ਇੱਕ ਓਵਰ ਭਰੋਸੇਯੋਗਤਾ ਹੈ. ਮਾਡਲ 400 ਸਪੋਰਟ ਪਹੀਏ ਨਾਲ ਲੈਸ ਹੈ. ਐਮ ਐਲ ਪੀ ਇੱਕ ਦਿਮਾਗੀ ਨੈਟਵਰਕ ਹੈ ਜਿਸ ਵਿੱਚ ਇੱਕ ਜਾਂ ਵਧੇਰੇ ਸਚੇਤਾਂ ਇੰਪੁੱਟ ਅਤੇ ਆਉਟਪੁੱਟ ਲੇਅਰਸ 38 ਦੇ ਵਿਚਕਾਰ ਇੱਕ ਜਾਂ ਵਧੇਰੇ ਲੁਕੀਆਂ ਪਰਤਾਂ ਦੇ ਨਾਲ ਕਈ ਪਰਤਾਂ ਨੂੰ ਕਈ ਲੈਂਦੀਆਂ ਹਨ. ਇਸ ਦੀ ਵਰਤੋਂ ਕਰਦਿਆਂ, ਤੁਸੀਂ ਗੈਰ-ਲੀਟਰ ਵਰਗੀਕਰਣ ਕਰ ਸਕਦੇ ਹੋ ਜਦੋਂ ਤੁਸੀਂ ਇਨਪੁਟ ਲੇਅਰ ਸ਼ਾਮਲ ਕਰ ਸਕਦੇ ਹੋ ਅਤੇ ਨਤੀਜੇ ਵਜੋਂ ਨਤੀਜਾ ਵੈਲਯੂ ਦੀ ਤੁਲਨਾ ਅਸਲ ਨਤੀਜੇ ਦਾ ਪ੍ਰਚਾਰ ਹੁੰਦਾ ਹੈ ਅਤੇ ਗਲਤੀ ਦਾ ਪ੍ਰਚਾਰ ਹੁੰਦਾ ਹੈ. ਅਸੀਂ ਹਰ ਪਰਤ ਵਿਚ 20 ਲੁਕਵੇਂ ਨਿ ur ਯੂਰਨਜ਼ ਨਾਲ ਇਕ ਛੁਪੀ ਹੋਈ ਪਰਤ ਬਣਾਈ. ਹਰੇਕ ਮਾਡਲ ਜੋ ਅਸੀਂ ਵਿਕਸਤ ਕੀਤਾ ਸੀ, ਨੂੰ ਸੰਵੇਦਨਸ਼ੀਲਤਾ, ਪੀਪੀਵੀ, ਐਨਪੀਵੀ ਅਤੇ Au ਰੋਕ ਦੀ ਗਣਨਾ ਕਰਕੇ ਵਰਗੀਕਰਣ ਪ੍ਰਦਰਸ਼ਨ ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ ਲਗਾਇਆ ਗਿਆ ਸੀ. ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਨੂੰ 18 ਸਾਲ ਜਾਂ ਇਸ ਤੋਂ ਵੱਧ ਉਮਰ ਦੇ ਨਮੂਨੇ ਦੀ ਉਮਰ ਦੇ ਨਮੂਨੇ ਦੇ ਅਨੁਪਾਤ ਵਜੋਂ ਪਰਿਭਾਸ਼ਤ ਕੀਤਾ ਗਿਆ ਹੈ. ਵਿਸ਼ੇਸ਼ਤਾ 18 ਸਾਲ ਤੋਂ ਘੱਟ ਉਮਰ ਦੇ ਨਮੂਨਿਆਂ ਦਾ ਅਨੁਪਾਤ ਹੈ ਅਤੇ 18 ਸਾਲ ਤੋਂ ਘੱਟ ਉਮਰ ਦੇ ਅਨੁਮਾਨ ਤੋਂ ਘੱਟ ਅਨੁਮਾਨਿਤ.
ਸਿਖਲਾਈ ਸਮੂਹ ਵਿੱਚ ਮੁਲਾਂਕਣ ਕੀਤੇ ਗਏ ਦੰਦਾਂ ਦੇ ਪੜਾਅ ਅੰਕੜੇ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ ਸੰਖਿਆਵਾਂ ਵਿੱਚ ਬਦਲ ਗਏ ਸਨ. ਮਲਟੀਵੈਰੇਟਿਏਟ ਲੀਨੀਅਰ ਅਤੇ ਲੌਜਿਸਟਿਕ ਰੈਗ੍ਰੇਸ਼ਨ ਹਰ ਸੈਕਸ ਅਤੇ ਪ੍ਰਾਪਤ ਹੋਣ ਵਾਲੇ ਰੈਗ੍ਰੇਸ਼ਨ ਫਾਰਮੂਲੇ ਲਈ ਭਵਿੱਖਬਾਣੀ ਫਾਰਮੂਲੇ ਵਿਕਸਤ ਕਰਨ ਲਈ ਕੀਤੇ ਗਏ ਸਨ ਜੋ ਉਮਰ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਣ ਲਈ ਵਰਤੇ ਜਾ ਸਕਦੇ ਹਨ. ਅਸੀਂ ਇਨ੍ਹਾਂ ਫਾਰਮੂਲੇ ਦੀ ਵਰਤੋਂ ਅੰਦਰੂਨੀ ਅਤੇ ਬਾਹਰੀ ਟੈਸਟ ਸੈੱਟਾਂ ਲਈ ਦੰਦਾਂ ਦੀ ਉਮਰ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਣ ਲਈ ਕੀਤੀ. ਸਾਰਣੀ 4 ਇਸ ਅਧਿਐਨ ਵਿੱਚ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਰੈਗ੍ਰੇਸ਼ਨ ਅਤੇ ਵਰਗੀਕਰਣ ਮਾੱਡਲ ਦਿਖਾਉਂਦੇ ਹਨ.
ਇੰਟਰਾ- ਅਤੇ ਇੰਟਰਬਜ਼ਰਵਰ ਭਰੋਸੇਯੋਗਤਾ ਦੀ ਗਣਨਾ ਕੋਹੇਨ ਦੇ ਕਪਾ ਅੰਕੜਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕੀਤੀ ਗਈ ਸੀ. ਡੀਐਮ ਅਤੇ ਰਵਾਇਤੀ ਰੈਗ੍ਰੇਜ਼ ਮਾੱਡਲਾਂ ਦੀ ਸ਼ੁੱਧਤਾ ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ, ਅਸੀਂ ਅੰਦਰੂਨੀ ਅਤੇ ਬਾਹਰੀ ਟੈਸਟ ਸੈੱਟਾਂ ਦੇ ਅਨੁਮਾਨਿਤ ਅਤੇ ਅਸਲ ਯੁੱਗ ਦੀ ਵਰਤੋਂ ਕਰਦਿਆਂ ਐਮਏਈ ਅਤੇ ਆਰ ਐਮ ਐਸ ਦੀ ਗਣਨਾ ਕੀਤੀ. ਇਹ ਗਲਤੀਆਂ ਆਮ ਤੌਰ ਤੇ ਮਾਡਲ ਭਵਿੱਖਬਾਣੀਆਂ ਦੀ ਸ਼ੁੱਧਤਾ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਵਰਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ. ਗ਼ਲਤ ਗਲਤੀ ਜਿੰਨੀ ਛੋਟੀ, ਭਵਿੱਖਬਾਣੀ 24 ਦੀ ਸ਼ੁੱਧਤਾ ਜਿੰਨੀ ਜ਼ਿਆਦਾ ਹੁੰਦੀ ਹੈ. ਐਮ.ਐਮ ਅਤੇ ਰਵਾਇਤੀ ਰੈਗ੍ਰੇਸ਼ਨ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅੰਦਰੂਨੀ ਅਤੇ ਬਾਹਰੀ ਟੈਸਟ ਸੈੱਟ ਦੀ ਗਣਨਾ ਦੀ ਗਣਨਾ ਦੀ ਤੁਲਨਾ ਕਰੋ. ਰਵਾਇਤੀ ਅੰਕੜਿਆਂ ਵਿੱਚ 18 ਸਾਲਾਂ ਦੀ ਕਟੌਇਫ ਵਿੱਚ ਵਰਗੀਕਰਣ ਪ੍ਰਦਰਸ਼ਨ ਦਾ ਮੁਲਾਂਕਣ 2 × 2 ਕ੍ਰਿਸੇਂਜ ਟੇਬਲ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕੀਤਾ ਗਿਆ ਸੀ. ਗਣਨਾ ਕੀਤੀ ਸੰਵੇਦਨਸ਼ੀਲਤਾ, ਵਿਸ਼ੇਸ਼ਤਾ, ਪੀਪੀਵੀ, ਐਨਪੀਵੀ ਅਤੇ ਐੱਰਓਓਸੀ ਦੀ ਤੁਲਨਾ ਡੀਐਮ ਵਰਗੀਕਰਣ ਮਾਡਲ ਦੇ ਮਾਪੇ ਮੁੱਲਾਂ ਨਾਲ ਕੀਤੀ ਗਈ ਸੀ. ਡਾਟਾ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦਿਆਂ ਸਟੈਂਡਰਡ ਭਟਕਣਾ ਜਾਂ ਨੰਬਰ (%) ਦੇ ਤੌਰ ਤੇ ਅੰਕੜੇ ਦਿੱਤੇ ਜਾਂਦੇ ਹਨ. ਦੋ-ਪਾਸੀ ਪੀ ਮੁੱਲ <0.05 ਨੂੰ ਅੰਕੜੇ ਪੱਖੋਂ ਮਹੱਤਵਪੂਰਨ ਮੰਨਿਆ ਜਾਂਦਾ ਸੀ. ਸਾਰੇ ਰੁਟੀਨ ਅੰਕੜਾ ਵਿਸ਼ਲੇਸ਼ਣ ਐਸਏਐਸ ਵਰਜ਼ਨ 9.4 (ਐਸਏਐਸ ਇੰਸਟੀਚਿ .ਟੀ, ਕੇ ਐਨ ਸੀ) ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਕੀਤੇ ਗਏ ਸਨ. ਡੀਐਮ ਰੈਗ੍ਰੇਸ਼ਨ ਮਾੱਡਲ ਪਾਈਥਨ ਵਿੱਚ ਕੇਰੇਸ 50 2.2.4 ਬੈਕਐਂਡ ਅਤੇ ਟੈਨਸੋਰਫਲੌਲੋ 51 1.8.0 ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਗਣਿਤ ਦੇ ਕਾਰਜਾਂ ਲਈ ਲਾਗੂ ਕੀਤਾ ਗਿਆ ਸੀ. ਡੀਐਮ ਵਰਗੀਕਰਣ ਦਾ ਮਾਡਲ ਵਾਈਕਾਬੋ ਗਿਆਨ ਵਿਸ਼ਲੇਸ਼ਣ ਵਾਤਾਵਰਣ ਵਿੱਚ ਲਾਗੂ ਕੀਤਾ ਗਿਆ ਸੀ ਅਤੇ ਕੋਂਸਟਨਜ਼ ਜਾਣਕਾਰੀ ਮਾਈਨਰ (ਨਾਈਮ) 4.6.152 ਵਿਸ਼ਲੇਸ਼ਣ ਪਲੇਟਫਾਰਮ.
ਲੇਖਕ ਮੰਨਦੇ ਹਨ ਕਿ ਅਧਿਐਨ ਦੇ ਸਿੱਟੇ ਨੂੰ ਸਮਰਥਨ ਦੇਣ ਵਾਲੇ ਡੇਟਾ ਲੇਖ ਅਤੇ ਪੂਰਕ ਸਮੱਗਰੀ ਵਿੱਚ ਪਾਇਆ ਜਾ ਸਕਦਾ ਹੈ. ਅਧਿਐਨ ਦੇ ਦੌਰਾਨ ਉਤਪੰਨ ਅਤੇ / ਜਾਂ ਵਿਸ਼ਲੇਸ਼ਣ ਕੀਤਾ ਜਾਂਦਾ ਹੈ, ਉਚਿਤ ਬੇਨਤੀ ਦੇ ਅਨੁਸਾਰੀ ਲੇਖਕ ਤੋਂ ਉਪਲਬਧ ਹਨ.
ਰਿਟਜ਼-ਟਿੰਮੇਮ, ਐਸ. ਐਟ ਅਲ. ਉਮਰ ਮੁਲਾਂਕਣ: ਫੋਰੈਂਸਿਕ ਅਭਿਆਸ ਦੀਆਂ ਵਿਸ਼ੇਸ਼ ਜ਼ਰੂਰਤਾਂ ਨੂੰ ਪੂਰਾ ਕਰਨ ਲਈ ਕਲਾ ਦਾ ਰਾਜ. ਅੰਤਰਰਾਸ਼ਟਰੀਤਾ. ਜੇ ਕਾਨੂੰਨੀ ਦਵਾਈ. 113, 129-136 (2000).
ਸ਼ਮੂਲਣ, ਏ, ਆਰਸਿੰਗਰ, ਡਬਲਯੂ. ਫੋਰੈਂਸਿਕ. ਦਵਾਈ. ਪੈਥੋਲੋਜੀ. 1, 239-246 (2005).
ਪੈਨ, ਜੇ. ਪੂਰਬੀ ਚੀਨ ਵਿਚ 5 ਤੋਂ 16 ਸਾਲ ਦੀ ਉਮਰ ਦੇ ਬੱਚਿਆਂ ਦੀ ਦੰਦਾਂ ਦੀ ਉਮਰ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਇਕ ਸੋਧਿਆ ਤਰੀਕਾ. ਕਲੀਨਿਕਲ. ਮੌਖਿਕ ਸਰਵੇਖਣ. 25, 3463-3474 (2021).
ਲੇਅ, ਐਸ ਐੱਸ ਆਦਿ ਕੋਰੀਆ ਦੇ ਦੂਜੇ ਅਤੇ ਤੀਜੇ ਗੁੜਾਂ ਦੇ ਦੂਜੇ ਅਤੇ ਤੀਜੇ ਮੱਲਾਵਾਂ ਦੇ ਵਿਕਾਸ ਦਾ ਇਤਿਹਾਸਕ ਅਤੇ ਇਸ ਦੀ ਭਵਿੱਖਬਾਣੀ ਉਮਰ ਦੇ ਮੁਲਾਂਕਣ ਲਈ ਅਰਜ਼ੀ ਦੇ ਇਤਿਹਾਸਕ ਵਿਗਿਆਨ. ਅੰਤਰਰਾਸ਼ਟਰੀਤਾ. ਜੇ ਕਾਨੂੰਨੀ ਦਵਾਈ. 124, 659-665 (2010).
ਓਹ, ਸ: ਸ:, ਕਮੇਗੀ, ਏ, ਕਿਮ, ਸ ਸਿੰਜ ਅਤੇ ਉਮਰ ਦੇ ਅਨੁਮਾਨ ਅਤੇ 18 ਸਾਲਾਂ ਦੇ ਥ੍ਰੇਸ਼ਨਾਂ ਦੀ ਪਰਿਪੱਕਤਾ ਦੇ ਅਧਾਰ ਤੇ 19-ਸਾਲ ਦੇ ਥ੍ਰੈਸ਼ੋਲਡ ਦੀ ਪਰਿਪੱਕਤਾ ਦੇ ਅਧਾਰ ਤੇ 18 ਸਾਲਾਂ ਦੇ ਥ੍ਰੈਸ਼ੋਲਡ ਦੀ ਪਰਵਾਹ ਕੀਤੀ ਜਾ ਰਹੀ ਹੈ. ਵੰਓ ਇਕ 17, E0271247 (2022).
ਕਿਮ, ਜੈ, ਐਟ ਅਲ. ਪ੍ਰਣਾਤਮਕ ਮਸ਼ੀਨ ਸਿਖਲਾਈ-ਅਧਾਰਤ ਡਾਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਬਹੁਤ ਜ਼ਿਆਦਾ ਨੀਂਦ ਦੀ ਸਰਜਰੀ ਦੇ ਇਲਾਜ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰ ਸਕਦਾ ਹੈ OSA ਨਾਲ ਮਰੀਜ਼ਾਂ ਵਿੱਚ ਇਲਾਜ ਦਾ ਅਨੁਮਾਨ ਲਗਾ ਸਕਦਾ ਹੈ. ਵਿਗਿਆਨ. ਰਿਪੋਰਟ 11, 14911 (2021) ਦੀ ਰਿਪੋਰਟ.
ਹਾਨ, ਐਮ. ਐਟ ਅਲ. ਮਨੁੱਖੀ ਦਖਲਅੰਦਾਜ਼ੀ ਦੇ ਨਾਲ ਜਾਂ ਬਿਨਾਂ ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਤੋਂ ਸਹੀ ਉਮਰ ਦਾ ਅਨੁਮਾਨ? ਅੰਤਰਰਾਸ਼ਟਰੀਤਾ. ਜੇ ਕਾਨੂੰਨੀ ਦਵਾਈ. 136, 821-831 (2022).
ਖਾਨ, ਸ. ਅਤੇ ਸ਼ਾਹੀਨ, ਐਮ. ਡੇਟਾ ਮਾਈਨਿੰਗ ਤੋਂ ਡਾਟਾ ਮਾਈਨਿੰਗ ਤੱਕ. J.inforation. ਵਿਗਿਆਨ. httpsngfts://doi.org/10.117777777777777/0165555152110872 (2021).
ਖਾਨ, ਸ. ਅਤੇ ਸ਼ਾਹੀਨ, ਐਮ J.inforation. ਵਿਗਿਆਨ. httpsngfts://doi.org/10.117777777777/0165551555555555555555555555555155515555155555155515551555151521111108655515152222).
ਸ਼ਾਹੀਨ ਐਮ. ਅਤੇ ਅਬਦੁੱਲਾ ਯੂ. ਕਰਮ: ਪ੍ਰਸੰਗ-ਅਧਾਰਤ ਐਸੋਸੀਏਸ਼ਨ ਨਿਯਮਾਂ ਦੇ ਅਧਾਰ ਤੇ ਰਵਾਇਤੀ ਡੇਟਾ ਮਾਈਨਿੰਗ. ਗਣਨਾ ਕਰੋ. ਮੈਟ. ਜਾਰੀ ਰੱਖੋ. 68, 3305-3322 (2021).
ਮੁਹੰਮਦ ਐਮ, ਰਹਿਮਾਨ ਐਮ., ਸ਼ਾਹਿਨ ਐਮ, ਖਾਨ ਐਮ ਅਤੇ ਹਬੀਬ ਐਮ ਅਤੇ ਹਬੀਬ ਐੱਸ ਸਿਖਲਾਈ ਅਧਾਰਤ ਅਰਥਾਤ ਸਮਾਨਤਾ ਦਾ ਵੇਰਵਾ ਟੈਕਸਟ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਕਰਕੇ. ਸੂਚਿਤ ਕਰੋ. ਤਕਨਾਲੋਜੀ. ਕੰਟਰੋਲ. https://ddi.org/10.5755/j01.itc.49.4.27118 (2020).
ਅਬੀਸ਼, ਐਮ., ਤਨੌਲੀ, ਜ਼ੈਡ., ਅਤੇ ਸ਼ਾਹਿਨ, ਐਮ. ਸਪੋਰਟਸ ਵੀਡੀਓ ਵਿੱਚ ਸਰਗਰਮੀ ਨੂੰ ਪਛਾਣਣ ਲਈ ਇੱਕ ਸਿਸਟਮ. ਮਲਟੀਮੀਡੀਆ. ਟੂਲਜ਼ ਐਪਲੀਕੇਸ਼ਨਸ https://ipy.org/1010519-6 (2021).
ਹੈਲਬੀ, ਐਸ ਐੱਸ ਐਟ ਅਲ. ਬਾਲ ਰੋਗ ਉਮਰ ਵਿੱਚ RSNA ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਚੁਣੌਤੀ. ਰੇਡੀਓਲੌਜੀ 290, 498-503 (2019).
ਲੀ, ਵਾਈ. ਐਟ ਅਲ. ਪੈਦਲ ਸਿੱਖਣ ਦੀ ਵਰਤੋਂ ਕਰਦਿਆਂ ਪੇਡਿਕ ਐਕਸ-ਰੇਅ ਤੋਂ ਫੋਰੈਂਸਿਕ ਉਮਰ ਦਾ ਅਨੁਮਾਨ. ਯੂਰੋ. ਰੇਡੀਏਸ਼ਨ. 29, 2322-2329 (2019).
ਜੀਯੂ, ਵਾਈ ਸੀ, ਐਟ ਅਲ. ਸਕਾਰਾਤਮਕ methods ੰਗਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਸਹੀ ਉਮਰ ਵਰਗੀਕ੍ਰਿਤ / ਵਿਸ਼ਾਲ ਸੰਕੋਚ ਸੰਬੰਧੀ ਦਿਮਾਗੀ ਪ੍ਰਾਈਵੇਟ ਨੈਟਵਰਕ ਤੋਂ ਘੱਟਰਸ਼ਾਂ ਤੋਂ. ਅੰਤਰਰਾਸ਼ਟਰੀਤਾ. ਜੇ ਕਾਨੂੰਨੀ ਦਵਾਈ. 135, 1589-1597 (2021).
ਅਲਾਬਮਾ ਡੌਲੋਰਾ ਐਟ ਅਲ. ਵੱਖ-ਵੱਖ ਮਸ਼ੀਨ ਸਿੱਖਣ ਦੇ ਤਰੀਕਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਦਿਆਂ ਹੱਡੀਆਂ ਦੀ ਉਮਰ ਦਾ ਅਨੁਮਾਨ: ਇੱਕ ਯੋਜਨਾਕ੍ਰਿਤ ਸਾਹਿਤ ਸਮੀਖਿਆ ਅਤੇ ਮੈਟਾ-ਵਿਸ਼ਲੇਸ਼ਣ. ਵਨ 14, E0220242 (2019).
ਡੂ, ਐੱਚ., ਜੀ., ਜੀ., ਅਤੇ ਯਾਂਗ, ਜੇ. ਅਬਾਦੀ-ਬੀਮ ਬਿੱਲਟਿਡ ਟੋਮੋਗ੍ਰਾਫੀ ਦੀ ਵਰਤੋਂ ਕਰਦਿਆਂ ਪਹਿਲੇ ਮਾਲਕਾਂ ਦੇ ਮਿੱਝ ਦੇ ਚੈਂਬਰਾਂ ਦੇ ਅਧਾਰ ਤੇ ਅਬਾਦੀ-ਵਿਸ਼ੇਸ਼ ਉਮਰ ਦਾ ਉਮਰ ਅਨੁਮਾਨ. ਅੰਤਰਰਾਸ਼ਟਰੀਤਾ. ਜੇ ਕਾਨੂੰਨੀ ਦਵਾਈ. 136, 811-819 (2022).
ਕਿਮ ਐੱਸ. ਵਿਗਿਆਨ. 11, 1073 (2021) ਦੀ ਰਿਪੋਰਟ ਕਰੋ.
ਸਖਤ, ਡੀ., ਭੁਗਤਾਨ ਕਰਨ ਵਾਲਾ, ਸੀ. IEEE ਜੇ. ਬਾਇਓਮ. ਸਿਹਤ ਅਲਰਟ. 23, 1392-1403 (2019).
ਚੈਂਗ, ਪ੍ਰ., ਜੀ, ਜ਼ੈਡ., ਡੂ, ਐਚ. ਅਤੇ ਲੀ, ਜੀ. ਅੰਤਰਰਾਸ਼ਟਰੀਤਾ. ਜੇ ਕਾਨੂੰਨੀ ਦਵਾਈ. 135, 365-373 (2021).
ਵੂ ਵੂ, ਡਬਲਯੂ ਟੀ, ਐਟ ਅਲ. ਕਲੀਨਿਕਲ ਵੱਡੇ ਡੇਟਾ ਵਿੱਚ ਡਾਟਾ ਮਾਈਨਿੰਗ: ਆਮ ਡਾਟਾਬੇਸ, ਕਦਮ ਅਤੇ methods ੰਗਾਂ ਦੇ ਮਾੱਡਲ. ਸੰਸਾਰ. ਦਵਾਈ. ਸਰੋਤ. 8, 44 (2021).
ਯਾਂਗ, ਜੇ. ਵੱਡੇ ਡੇਟਾ ਯੁੱਗ ਵਿਚ ਮੈਡੀਕਲ ਡੇਟਾਬੇਸ ਅਤੇ ਡੇਟਾ ਮਾਈਨਿੰਗ ਤਕਨਾਲੋਜੀਆਂ ਦੀ ਸ਼ੁਰੂਆਤ. ਜੇ ਹਵੀ ਮੁੱ orts ਲੀ ਦਵਾਈ. 13, 57-69 (2020).
ਸ਼ੈਤਾਨ, ਐਸ. ਐਟ ਅਲ. ਮਸ਼ੀਨ ਸਿਖਲਾਈ ਦੀ ਵਰਤੋਂ ਕਰਦਿਆਂ ਦੰਦਾਂ ਦੀ ਉਮਰ ਦਾ ਅਨੁਮਾਨ ਲਗਾਉਣ ਲਈ cacear ੰਗ. ਬੀਐਮਸੀ ਜ਼ੁਬਾਨੀ ਸਿਹਤ 21, 641 (2021).
ਏਟ ਅਲ. ਡੈਬਿਨਲ ਸਟੇਜਿੰਗ ਵਿਧੀ ਦੀ ਵਰਤੋਂ ਕਰਦਿਆਂ ਦੰਦਾਂ ਦੀ ਸਿਖਲਾਈ ਦੇ ਵੱਖੋ ਵੱਖਰੇ ਤਰੀਕਿਆਂ ਦੀ ਤੁਲਨਾ. ਅੰਤਰਰਾਸ਼ਟਰੀਤਾ. ਜੇ ਕਾਨੂੰਨੀ ਦਵਾਈ. 135, 665-675 (2021).
ਡੈਮਟਡਜਿਅਨ, ਏ, ਗੋਲਡਸਟੀਐਨ, ਐਚ ਅਤੇ ਟੈਨਰ, ਜੇਐਮ ਦੰਦਾਂ ਦੀ ਉਮਰ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਇੱਕ ਨਵਾਂ ਸਿਸਟਮ. ਸਨੌਰਟ. ਜੀਵ ਵਿਗਿਆਨ. 45, 211-227 (1973).
ਲੈਂਡਿਸ, ਜੂਨੀਅਰ, ਅਤੇ ਕੋਚ, ਸ਼੍ਰੇਣੀਆਂ ਦੇ ਅੰਕੜਿਆਂ ਤੇ ਆਬਜ਼ਰਵਰ ਸਮਝੌਤਾ ਦੇ ਜੀ.ਜੀ. ਬਾਇਓਮੈਟ੍ਰਿਕਸ 33, 159-174 (1977).
ਭੱਟਾਚਾਰਜੀ ਐਸ, ਪ੍ਰਕਾਸ਼ ਡੀ, ਕਿਮ ਸੀ, ਕਿਮ ਹ ਕੇ ਅਤੇ ਚੋਈ ਐਚ ਕੇ. ਦਿਮਾਗ ਦੀਆਂ ਟਿ ors ਮਰ ਦੇ ਭਿੰਨਤਾ ਲਈ ਨਕਲੀ ਅਕਲਮੰਡੀ ਗੂੰਜ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਟੈਕਸਟਲ, ਰੂਪ ਵਿਗਿਆਨਕ ਅਤੇ ਅੰਕੜੇ ਅਤੇ ਅੰਕੜੇ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ. ਸਿਹਤ ਜਾਣਕਾਰੀ. ਸਰੋਤ. https://tpei.org/10.4258/hir.2022.28.1.46 (2022).