مروری بر نقش الگوریتم نقشه ی خودسازمان دهنده برای بررسی شیوع ویروس کرونا در جهان
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 23
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_RSC-1-1_002
تاریخ نمایه سازی: 20 فروردین 1403
چکیده مقاله:
در این مقاله، سه نوع استفاده از روش تهیه ی نقشه ی خودسازمان دهنده برای بررسی و تحلیل شیوع ویروس کرونا در سراسر جهان، بررسی شده است. ویژگی های مختلفی ازجمله بهداشت، اقتصاد، تغذیه و آموزش در تهیه ی نقشه ها بر اساس یادگیری بدون نظارت و با سه نوع مجموعه داده های آموزشی منتشرشده توسط ماشین، آموزش داده شده و در ابعاد دوبعدی قابل مشاهده شده است. حاصل محاسبات یادگیری ماشین با این روش، نتایج و ارتباطات جدیدی را بین بیماری های زمینه ای مانند دیابت و فشارخون و خطرات احتمالی آن در صورت ابتلا به کرونا کشف کرده است. همچنین، از روش نقشه ی خودسازمان دهنده برای تشخیص بیماری از تصاویر اشعه ی ایکس قفسه سینه استفاده شده است. نتایج به صورت داده های یاد گرفته شده هستند و با محاسبه ی فاصله و تفاوت تصاویر آزمایشی، به شناسایی بیماری می پردازند. غالبا مقاله های منتشرشده برای بررسی شیوع بیماری، مسائل را از منظر ویژگی زمان، بررسی کرده اند اما در مقالات مرورشده ی این مطالعه، با توجه به کاربرد روش تهیه ی نقشه ی خودسازمان دهنده، از ویژگی مکان، بهره ی بیشتری گرفته شده است.
کلیدواژه ها:
نویسندگان
کوشا نیک کار
دانشجوی کارشناسی ارشد هوش مصنوعی، بخش مهندسی کامپیوتر و فناوری اطلاعات، موسسه آموزش عالی آپادانا، شیراز، ایران.
هاله همایونی
استادیار، بخش مهندسی کامپیوتر و فناوری اطلاعات، موسسه آموزش عالی آپادانا، شیراز، ایران