عنوان فارسی مقاله:تجزیه و تحلیل مقایسه ای و کاربرد شبکه های عصبی عمیق در پیش بینی کووید -۱۹
چکیده
یادگیری ماشین به طور خاص یادگیری عمیق یا تقویتی یک زمینه رو به رشد است. با ظهور همه گیری SARS COV 2 ، کاربرد آن برای پیش بینی کووید ۱۹ همچنان تکامل یافته است زیرا رویکردهای پیش بینی سنتی با چالش های زیادی روبرو هستند. یادگیری عمیق همراه با نظریه ها و رویکردهای آماری زیستی روش جدیدی را برای مقابله با چالش پیش بینی در کووید ۱۹ ارائه می دهد. این رویکرد جدید در تغییرات پیچیده متغیرهایی که غیر خطی ، چند متغیره و دارای چند متغیر مستقل هستند ، نقش دارد. ما وعده مربوط به یادگیری ماشین خودکار ، SIR & amp؛ مدلهای SIR ترکیبی به عنوان مدلهای SEIR (حساس-در معرض خطر-آلوده-بازیابی) و LSTM RNN (شبکه های عصبی مکرر کوتاه مدت کوتاه مدت) شناخته می شوند. این سه رویکرد مستقیماً به CDC ، WHO ، نهادهای اصلی اطلاع می دهد که نتایج پیش بینی در مورد همه گیری و سلامت دولت را به اشتراک می گذارند. ما بررسی می کنیم که چرا آنها در رسیدن به پیش بینی ها کارآیی نشان می دهند ، زیرا متغیرها ، جغرافیا و جمعیت شناسی در هر کدام متفاوت است. بحرانی که ارزیابی می کنیم با استفاده از اعتبار K-Fold ، خطای پیش بینی دقت متوسط ( MAPE) و همچنین منحنی های مشخصه عملکرد گیرنده (ROC) را ترسیم می کنیم ، نتایج بعداً در Auto-ML نمایش داده می شود(کاربرد شبکه های عصبی عمیق کووید).
- لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
- همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
- ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.