اخذ مجوز از وزارت فرهنگ و ارشاد اسلامی به شماره ثبت 91917 مورخ 1401/04/20
فصلنامه "پژوهش های نوین در شهرهوشمند " در سیویلیکا نمایه میشود.
فصلنامه " پژوهش های نوین در شهرهوشمند" در magiran نمایه میشود.
فصلنامه "پژوهش های نوین در شهرهوشمند" در SID نمایه میشود.
دسترسی آزاد به مقالات فصلنامه "پژوهش های نوین در شهرهوشمند "
COPE
سامانه مشابهت یاب علمی ( سمیم نور)
سامانه مشابهت یاب علمی ( ایرانداک)
مروری بر نقش الگوریتم نقشه خود سازماندهنده برای بررسی شیوع ویروس کرونا در جهان
دوره 1، شماره 1، 1401، صفحات 15 - 26
1 دانشجوی کارشناسی ارشد هوش مصنوعی، موسسه آموزش عالی آپادانا، شیراز، ایران
2 استادیار، بخش مهندسی کامپیوتر و فناوری اطلاعات، موسسه آموزش عالی آپادانا، شیراز
چکیده :
در اين مقاله، سه نوع استفاده از روش تهیه نقشه خود سازماندهنده، برای بررسی و تحلیل شیوع ویروس کرونا در سراسر جهان، بررسی شده است. ویژگیهای مختلفی از جمله، بهداشت، اقتصاد، تغذیه و آموزش، در تهیه نقشهها بر اساس یادگیری بدون نظارت و با سه نوع مجموعه دادههای آموزشی منتشر شده، توسط ماشین، آموزش داده شده و در ابعاد دو بعدی قابل مشاهده شده است. حاصل محاسبات یادگیری ماشین با این روش، نتایج و ارتباطات جدیدی را بین بیماریهای زمینهای مانند: دیابت و فشار خون و خطرات احتمالی آن در صورت ابتلا به کرونا، کشف کرده است. همچنین، از روش نقشه خود سازماندهنده، برای تشخیص بیماری از تصاویر اشعه ایکس قفسه سینه استفاده شده است. نتایج به صورت دادههای یاد گرفته شده هستند و با محاسبه فاصله و تفاوت تصاویر آزمایشی، به شناسایی بیماری میپردازد. غالباً مقالههای منتشر شده برای بررسی شیوع بیماری، مسائل را از منظر ویژگی زمان، بررسی کردهاند اما در مقالات مرور شده این مطالعه، با توجه به کاربرد روش تهیه نقشه خود سازماندهنده، از ویژگی مکان، بهره بیشتری گرفته شده است.
در اين مقاله، سه نوع استفاده از روش تهیه نقشه خود سازماندهنده، برای بررسی و تحلیل شیوع ویروس کرونا در سراسر جهان، بررسی شده است. ویژگیهای مختلفی از جمله، بهداشت، اقتصاد، تغذیه و آموزش، در تهیه نقشهها بر اساس یادگیری بدون نظارت و با سه نوع مجموعه دادههای آموزشی منتشر شده، توسط ماشین، آموزش داده شده و در ابعاد دو بعدی قابل مشاهده شده است. حاصل محاسبات یادگیری ماشین با این روش، نتایج و ارتباطات جدیدی را بین بیماریهای زمینهای مانند: دیابت و فشار خون و خطرات احتمالی آن در صورت ابتلا به کرونا، کشف کرده است. همچنین، از روش نقشه خود سازماندهنده، برای تشخیص بیماری از تصاویر اشعه ایکس قفسه سینه استفاده شده است. نتایج به صورت دادههای یاد گرفته شده هستند و با محاسبه فاصله و تفاوت تصاویر آزمایشی، به شناسایی بیماری میپردازد. غالباً مقالههای منتشر شده برای بررسی شیوع بیماری، مسائل را از منظر ویژگی زمان، بررسی کردهاند اما در مقالات مرور شده این مطالعه، با توجه به کاربرد روش تهیه نقشه خود سازماندهنده، از ویژگی مکان، بهره بیشتری گرفته شده است.
کلمات کلیدی :
هوش مصنوعی، ویروس کرونا، نقشه خود سازماندهنده، کاهش ابعاد، یادگیری عمیق
هوش مصنوعی، ویروس کرونا، نقشه خود سازماندهنده، کاهش ابعاد، یادگیری عمیق
-
322
-
107
-
1401/06/20
-
1401/07/20
-
1401/08/20