مروری بر نقش الگوریتم نقشه ی خودسازمان دهنده برای بررسی شیوع ویروس کرونا در جهان

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:

هوش مصنوعی ، ویروس کرونا ، نقشه ی خودسازمان دهنده ، کاهش ابعاد ، یادگیری عمیق