light box
امتیاز 2.58 تجزیه و تحلیل مقایسه ای و کاربرد شبکه های عصبی عمیق در پیش بینی کووید -۱۹">

نوع فایل : word
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش : 8
تعداد کلمات : 2200
مجله : THE INTERNATIONAL JOURNAL OF BUSINESS & MANAGEMENT
انتشار : 2020
ترجمه متون داخل جداول : ترجمه شده است
درج جداول در فایل ترجمه : درج شده است
منابع داخل متن : به صورت فارسی درج شده است
کیفیت ترجمه : طلایی
دسته بندی : ،
برچسب ها : ، ، ، ، ، ، ، ، ، ، ، ،

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).

Title: Comparative Analysis and Application of Deep Neural Networks in Covid-19 Prediction

Abstract

Machine learning specifically deep or reinforcement learning is a growing field. With the advent of the SARS COV 2 pandemic, its application for Covid 19 prediction has continued to evolve as traditional prediction approaches are rendered inaccurate or outdated with the challenges paused as we globally try to understand the trend of this global pandemic. Deep learning coupled with bio-statistical theory and approaches provide a new way of tackling the prediction challenge in Covid 19.This new approach factors in complex variation in variables that is non-linear, multivariate and with multiple independent variables. We assess the promise entailed in automated machine learning, SIR & Hybrid SIR Models referred to as SEIR (Susceptible-Exposed-Infected-Recovered) Models and LSTM RNN (Long-Short Term Recurrent Neural Networks. These three approaches directly inform CDC, WHO, major entities sharing prediction results on the pandemic and individual government health organs globally. We explore why they exhibit efficiency in arriving at predictions as the variables, geography and demographics fed into each keep varying. The criticality of the assessment we arrive at is rigorously tested and validated using K-Fold validation, Mean Accuracy Prediction Error (MAPE) and we also plot receiver operating characteristic (ROC) curves the results are later on exhibited showing Auto-ML.

دیدگاهها بسته است.

محصولات مشابه
بررسی فناوری بلاک چین در تجارت بین المللی.مهندسی مجدد فرایند کسب و کار برای اعتبارنامه
خـریـد محـصـول
قرارداد ببندیم یا نبندیم: نگرش از طریق روایت مالیات و هزینه
خـریـد محـصـول
هوش اعتباری: نوآوری در مدیریت برند از طریق داده های رسانه های اجتماعی
خـریـد محـصـول
تجویز آستاکسانتین به عنوان یک داروی نوروپروتکتیو مناسب برای درمان امراض نورولوژیک
خـریـد محـصـول
مقایسه بانک‌های محلی، ملی و بین المللی از نظر ارزیابی اثر منابع ارتباطی
خـریـد محـصـول
یکپارچگی لاینفک روح و جسم: نظریه و چشم انداز مکتب سایکوسوماتیک پاریس
خـریـد محـصـول
تجزیه و تحلیل ریسک بدهی شرکت های غیر مالی با استفاده از شبکه های دو لایه ای
خـریـد محـصـول
دسته بندی اطلاعات و داده‌ها با استفاده از ماشین بردار پشتیبان
خـریـد محـصـول
استفاده از روش های نوین برای پیاده سازی روان درمانی اینترنتی
خـریـد محـصـول
استفاده از آزمون‌های برشی برای سنجش مقاومت و استحکام خاک
خـریـد محـصـول
ثبت اختراع یا انتشار مقاله

در اولین مرحله از شروع یک تحقیق جدید نیاز است منابع مختلفی جستجو شود تا جدید بودن ایده مورد بررسی قرار گیرد. یکی از بهترین منابع جهت جستجو، لیست اختراع های ثبت شده است. پایگاه های جستجوی پتنت به محقق کمک میکند پیشینه تحقیق خود را مورد بررسی قرار دهد تا مطمئن شود کار تکراری انجام نمیدهد. لیست اختراعات ثبت شده در اداره ثبت اختراعات ایران دارای طبقه بندی های متفاوتی است. در طبقه بندی بین المللی B که شامل اختراعات حوزه نیاز ها بشری شامل عملیات اجرایی، حمل و نقل شامل: کشتیرانی، ترابری و دیگر موارد را میتوانید در پایگاه جستجوی دارایی های فکری دارکوب مشاهده کنید.

ثبت اختراع یا انتشار مقاله کدام اول باید انجام شود؟ پژوهشگران منابع مالی و غیر مالی بسیاری را صرف انجام تحقیقات و پژوهش ها میکنند و امکان دارد تعدادی از آنها تبدیل به دستاوردها و فناوری های نو گردد. محققان این نتایج را به سرعت در مقالات علمی ملی و بین المللی منتشر و به آن افتخار میکنند. اما باید مد نظر داشت، چنانچه دستاورد پژوهشی امکان تبدیل شدن به یک محصول یا فرآیند قابل استفاده و تولید در صنعت را داشته باشد، هر گونه انتشار عمومی از جمله مقاله باعث از دست رفتن شرط جدید بودن و در نتیجه عدم امکان ثبت فناوری به عنوان اختراع خواهد شد.

در نتیجه محققان و پژوهشگران باید پیش از هرگونه افشاء عمومی آن دسته از نتایج تحقیقاتی که شرایط ثبت اختراع را دارا می باشد به صورت اظهارنامه اختراع در اداره مربوطه ثبت و سپس نسبت به انتشار آنها اقدام کنند. امکان دارد مراحل ثبت اختراع چندین ماه به طول بیانجامد که انتشار مقاله (و مانند آن) پس از تاریخ ثبت اظهارنامه اختراع مشکلی را در فرآیند ثبت اختراع بوجود نمی آورد.

از آنجا که برخی دستاورد ها مانند روشهای تشخیص بیماری و نوآوری های مدیریتی قابلیت ثبت اختراع بین المللی و ملی را ندارند، محققان بدون نگرانی میتوانند انتشار در مقالات داخلی و خارجی را به عنوان اولین گزینه جهت کسب افتخار دست یابی به این قبیل پژوهشها انتخاب کنند.

 
برو بالا