موسسه آموزش عالی آپادانا فصلنامه پژوهش های نوین در شهرهوشمند 2980-8936 1 1 2022 11 11 An overview of the role of the self-organizing map algorithm to review the spread of the corona virus in the world مروری بر نقش الگوریتم نقشه خود سازمان‌دهنده برای بررسی شیوع ویروس کرونا در جهان 15 26 10.22051/jera.2021.31891.2698 FA کوشا دانشجوی کارشناسی ارشد هوش مصنوعی، موسسه آموزش عالی آپادانا، شیراز، ایران هاله استادیار، بخش مهندسی کامپیوتر و فناوری اطلاعات، موسسه آموزش عالی آپادانا، شیراز 2022 09 11 In this article, three types of applications of the self-organizing map preparation method for reviewing and analyzing the spread of the corona virus around the world have been investigated. Various features, including health, economics, nutrition and education, are mapped in unsupervised learning based on three types of published, machine-trained, and 2D-visualized training datasets. The result of machine learning calculations with this method has discovered new results and connections between underlying diseases such as diabetes and blood pressure and its possible risks in case of corona. Also, the self-organizing map method has been used to diagnose the disease from chest x-ray images. The results are in the form of learned data and identify the disease by calculating the distance and difference between the test images. Often, the published articles to investigate the spread of the disease have examined the issues from the perspective of the characteristics of time, but in the reviewed articles of this study, according to the application of the self-organizing map preparation method, the characteristics of the place have been used more. در این 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. /downloadfilepdf/17127