مروری بر نقش الگوریتم نقشه خود سازماندهنده برای بررسی شیوع ویروس کرونا در جهان

در این مقاله، سه نوع استفاده از روش تهیه نقشه خود سازمان دهنده، برای بررسی و تحلیل شیوع ویروس کرونا در سراسر جهان، بررسی شده است. ویژگی های مختلفی از جمله، بهداشت، اقتصاد، تغذیه و آموزش، در تهیه نقشه ها بر اساس یادگیری بدون نظارت و با سه نوع مجموعه داده های 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 بیماری های زمینه ای مانند: دیابت و فشار خون و خطرات احتمالی آن در صورت ابتلا به کرونا، کشف کرده است. همچنین، از روش نقشه خود سازمان دهنده، برای تشخیص بیماری از تصاویر اشعه ایکس قفسه سینه استفاده شده است. نتایج به صورت داده های یاد گرفته شده هستند و با محاسبه فاصله و تفاوت تصاویر آزمایشی، به شناسایی بیماری می پردازد. غالبا مقاله های منتشر شده برای بررسی شیوع بیماری، مسائل را از منظر ویژگی زمان، بررسی کرده اند اما در مقالات مرور شده این مطالعه، با توجه به کاربرد روش تهیه نقشه خود سازمان دهنده، از ویژگی مکان، بهره بیشتری گرفته شده است.

Keywords:

هوش مصنوعی , ویروس کرونا , نقشه خود سازمان دهنده , کاهش ابعاد , یادگیری عمیق