مدل جایگزین

اختلال شخصیت خودشیفته ( NPD )، الگوی فراگیر بزرگ منشی، نیاز به تحسین و فقدان همدلی است که افراد مبتلا به دلیل اعتقاد به خاص بودن خود و نیاز افراطی به تایید، با مشکلات بین فردی و همدلی بسیاری روبه رو هستند. مقاله حاضر به بررسی مفهوم سازی و تشخیص NPD در بخش اصلی(بخش دوم) DSM-5 و مدل جایگزین (بخش سوم) پرداخته است و بر اساس پنج مولفه شامل توصیف ماهیت (طبیعی، آسیب شناختی)، فنوتیپ (بزرگ منش، آسیب پذیری)، تظاهر (آشکار، پنهان)، ساختار (طبقه ای، ابعادی) و عامل همبودی، اعتبار و سودمندی بالینی، NPD را در دو بخش DSM-5 مورد مقایسه قرار داده است. با توجه به تحلیل صورت گرفته در این مقاله، مفهوم سازی و تشخیص NPD در بخش دوم DSM-5 ، همواره ضعف ها و محدودیت هایی از قبیل؛ کم توجهی به ماهیت طبیعی و آسیب شناختی خودشیفتگی، تاکید بر نوع بزرگ منشی این سازه و نادیده گرفتن جنبه آسیب پذیری آن، غفلت از تظاهرات آشکار و پنهان علائم بالینی، رویکرد طبقه ای به تشخیص، نقص درتمییز این اختلال از سایراختلالات شخصیتی و برآورد درصد شیوع پایین دارد. در مقابل، مدل جایگزین در بخش دوم، مفهوم سازی نظری، ابعادی و تشخیصی جامع تری نسبت به بخش اصلی دارد. این مدل جدید، ملاک های مناسبی با توجه به کارکرد و آسیب شناسی شخصیت در ملاک های A و B فراهم می کند و مزایای تشخیصی بهتری دارد. به نظر می رسد مدل جدید جایگزین در بخش سوم پس از کسب اعتبار و پشتوانه تجربی و تلفیق با تجارب متخصصان بالینی، بتواند در نسخه های بعدی DSM ، جایگزین مناسبی برای تشخیص اختلال شخصیت خودشیفته باشد و با دقت درانواع و ابعاد گسترده خودشیفتگی، درحل چالش های تشخیصی درمانگران موثر باشد.

پژوهش حاضر با هدف تعیین نقش ابعاد نابهنجار شخصیت مطرح شده در مدل جایگزین اختلالات شخصیت در پیش بینی نشانه های اختلالات شخصیت خوشه  c انجام شد. بدین منظور، 356 نفر از دانشجویان دانشگاه شهیدمدنی آذربایجان و  پیام نور اسکو به روش تصادفی خوشه ای چندمرحله ای انتخاب و به پرسشنامه های  نسخه بزرگسالان شخصیت DSM-5 (PID-5-BF) و چندمحوری بالینی میلون 3 (MCMI-III) پاسخ دادند. تحلیل داده ها با استفاده از روش تحلیل رگرسیون همزمان نشان داد که ابعاد مهارگسیختگی و روان پریش خویی بصورت مثبت، اختلال شخصیت اجتنابی و ابعاد عاطفه منفی، مهارگسیختگی و روان پریش خویی به صورت مثبت اختلال شخصیت وابسته و در نهایت ابعاد عاطفه منفی و گسلش بصورت مثبت و مهارگسیختگی بصورت منفی، اختلال شخصیت وسواسی - جبری را پیش بینی می کنند.

در سالهای اخیر، تحلیل و طراحی سیستم ها با استفاده از شبیه سازی مبتنی بر کامپیوتر به طور گسترده برای پیش بینی عملکرد سیستم ها مورد توجه پژوهشگران قرار گرفته است. چنین تحلیل های مهندسی بر اجرای کدهای کامپیوتری گران قیمت و پیچیده متکی است. روش های تقریبی به طور گسترده ای برای کاهش بار محاسباتی تحلیل مهندسی مورد استفاده قرار گرفته و توسعه تکنیک های مدل سازی امکان ارزیابی سریع، ارزان و دقیق سیستم های مهندسی را فراهم می کند. برای تسهیل تحلیل هایی مانند بهینه سازی طراحی، تجزیه و تحلیل قابلیت اطمینان و غیره، نیاز به یک مدل ساده شده وجود دارد که بتواند نمایشی کارآمد از مدل دقیق و پرهزینه محصول ارائه دهد. به این مدل های ساده شده پیش بین، مدل های جایگزین(شبه مدل) نیز می گویند. این مقاله به بررسی توانایی مدل های یادگیری عمیق به عنوان یک روش جایگزین در مدلسازی مسیر پروازی یک وسیله پرتاب می پردازد. این رویکرد با استفاده از داده های تجربی برای آموزش شبکه های عصبی و مقایسه دقت آن با روش سطح پاسخ (RSM) انجام می شود. نتایج نشان می دهند که استفاده از یادگیری عمیق بر دقت پیش بینی ها تاثیر مثبت داشته و توانایی تخمین عملکرد در شرایط مختلف را فراهم می آورد. بنابراین در نقطه مورد مقایسه برای جرم کل وسیله پرتاب، مقدار کد شبیه سازی با روش یادگیری عمیق یکی بوده و مقدار آن 108500 کیلوگرم شد و با تکنیک RSM مقدار جرم کل برابر 108556.6 کیلوگرم شد که نسبت به روش یادگیری عمیق دقت مدل کمتر می باشد.