|
Title
|
پیش بینی تعداد مبتلایان بیماری کویید- 19با استفاده از یک روش مبتنی بر یادگیری عمیق
|
|
Type of Research
|
Presentation
|
|
Keywords
|
بیماری کویید- 19 ،
شبکه حافظه طولانی کوتاه-مدت،
بهینه سازی بیزین،
ARIMA
|
|
Abstract
|
مدلسازی و پیش بینی تعداد مبتلایان بیماری کویید- 19از اهمیت ویژهای برخوردار است. پیش بینی درست تعداد مبتلایان در روزهای آینده به دولت ها کمک می کند تا تصمیمات دقیقی در حوزه های سلامت و اقتصاد اتخاذ کنند. روش ها و مدلهای ریاضیاتی برای پیش بینی تعداد مبتلایان در کشورهای مختلف در ادبیات موضوع ارائه شده است. روش های یادگیری عمیق کاربردهای موفقیت آمیزی در حوزه محتلف داشته اند. در این مقاله یک روش مبتنی بر شبکه حافظه طولانی کوتاه-مدت (LSTM ) و روش بهینه سازی بیزین ( )Bayesian جهت پیش بینی تعداد مبتلایان بیماری کویید- 19ارائه می شود. روش ارائه شده ابتدا سری زمانی داده های کویید- 19را دریافت میکند سپس با انجام پیش پردازش روی داده ها آن ها تبدیل به فرمت قابل پردازش توسط LSTMمی کند. خروجی LSTM به صورت چندگانه طراحی شده است که امکان پیش بینی تعداد مبتلایان در چند روز آینده را فراهم می کند. نتایج آزمایشات روی 3کشور دارای بالاترین آمار مبتلایان نشان می دهد که روش پیشنهادی دارای عملکرد بهتری نسبت به روش آماری ARIMA دارد
|
|
Researchers
|
Hossein Abbasimehr (First Researcher)، Reza Paki (Second Researcher)
|