@ persidangan{Abdullah2019,
tajuk = {Penilaian ke atas Algoritma Pembelajaran Mesin untuk Klasifikasi Gangguan Spektrum Autisme (ASD)},
pengarang = {A A Abdullah and S Rijal and S R Dash},
penyunting = {Rahim Mustafa Zaaba Norali Noor S B A N B S K A N B A B M Fook C.Y. Yazid H.B.},
url = {https://www.scopus.com/inward/record.uri?eid=2-s2.0-85076493636&doi=10.1088%2f1742-6596%2f1372%2f1%2f012052&rakan kongsi = 40&md5=2ec1bd9f6cf1e3afe965cc9e3792f536},
doi = {10.1088/1742-6596/1372/1/012052},
terbitan = {17426588},
tahun = {2019},
tarikh = {2019-01-01},
jurnal = {Journal of Physics: Conference Series},
isi padu = {1372},
nombor = {1},
penerbit = {Institut Penerbitan Fizik},
abstrak = {Gangguan Spektrum Autisme (ASD) dicirikan oleh kelewatan dalam pembangunan interaksi sosial, tingkah laku berulang dan minat yang sempit, yang biasanya didiagnosis dengan alat diagnostik standard seperti Jadual Pemerhatian Diagnostik Autisme (Remaja) dan Temuduga Diagnostik Autisme-Disemak (ADIR-R). Kerja sebelumnya telah melaksanakan kaedah pembelajaran mesin untuk klasifikasi ASD, namun mereka menggunakan jenis set data yang berbeza seperti imej otak untuk MRI dan EEG, gen risiko dalam profil genetik dan penilaian tingkah laku berdasarkan ADOS dan ADI-R. Di sini percubaan menggunakan Soalan Spektrum Autisme (AQ) untuk membina model yang mempunyai potensi yang lebih tinggi untuk mengklasifikasikan ASD telah dibangunkan. Dalam penyelidikan ini, Chi-square dan Operator Pengecutan dan Pemilihan Mutlak Terkecil (LASSO) telah dipilih sebagai kaedah pemilihan ciri untuk memilih ciri yang paling penting 3 algoritma pembelajaran mesin yang diselia, iaitu Hutan Rawak, Regresi Logistik dan K-Nearest Neighbours dengan pengesahan silang K-fold. Prestasi dinilai di mana keputusan Regresi Logistik mendapat ketepatan tertinggi dengan 97.541% menggunakan model dengan 13 ciri yang dipilih berdasarkan kaedah pemilihan Khi kuasa dua. © 2019 IOP Publishing Ltd. Hak cipta terpelihara.},
nota = {dipetik oleh 0},
kata kunci = {Gangguan Spektrum Autisme, Penilaian Tingkah Laku, Kejuruteraan Bioperubatan, Pemetaan Otak, Pengelasan (maklumat), Pokok Keputusan, Penyakit, Pengekstrakan Ciri, Kaedah Pemilihan Ciri, Pengesahan Silang K Lipat, Belajar, Operator Pengecutan dan Pemilihan Mutlak Paling Kurang, Anggaran Kuasa Dua Terkecil, Regresi Logistik, Pembelajaran Mesin, Kaedah Pembelajaran Mesin, Pengimejan Resonans Magnetik, Carian Jiran Terdekat, Analisis regresi, Pembelajaran yang diselia, Pembelajaran Mesin Diawasi},
pubstate = {diterbitkan},
tppubtype = {persidangan}
}

@ persidangan{Shamsuddin2014387,
tajuk = {Response of children with autism to robotic intervention and association with IQ levels},
pengarang = {S Shamsuddin dan H Yussof dan F A Hanapiah dan S Mohamed},
url = {https://www.scopus.com/inward/record.uri?eid=2-s2.0-84920873999&doi=10.1109%2fDEVLRN.2014.6983012&rakan kongsi = 40&md5=1ae5aa42a315453fa73d5b927c2ff026},
doi = {10.1109/DEVLRN.2014.6983012},
isbn = {9781479975402},
tahun = {2014},
tarikh = {2014-01-01},
jurnal = {IEEE ICDL-EPIROB 2014 - 4th Joint IEEE International Conference on Development and Learning and on Epigenetic Robotics},
halaman = {387-393},
penerbit = {Institut Jurutera Elektrik dan Elektronik Inc.},
abstrak = {This paper presents a qualitative observation on the initial response of children with autism when exposed to a humanoid robot. To elicit response, the robot autonomously executed 5 segments of interaction designed according to the triad impairments of autism. The aim was to observe the children's autistic behavior with a robot compared to their natural characteristics as observed in classroom setting. We also seek the association between responses to the robot with the children's intelligence level. Results with 12 children were analyzed to acquire relationship between initial responses and the children's IQ scores. Analysis indicates that the presence of the robot had significantly reduced the scores of autistic traits in the subscale of stereotyped behavior and communication. Behavior evaluation shows that children with IQ scores ranging from 80 ke 109 were more receptive to robot-based intervention. © 2014 IEEE.},
nota = {dipetik oleh 1},
kata kunci = {Robot Anthropomorphic, Autisme, Penilaian Tingkah Laku, Kanak-kanak dengan Autisme, Classroom Settings, Penyakit, Interaksi Robot Manusia, Robot Humanoid, Intelligent Robots, Tahap IQ, Pemerhatian Kualitatif, Robotik, Robot},
pubstate = {diterbitkan},
tppubtype = {persidangan}
}