کاربرد تقریب کم-رتبه نیستروم در محاسبه هسته متعامد لژاندر جهت افزایش دقت تشخیص زودهنگام کووید-۱۹

همه گیری کووید-۱۹ به یکی از بزرگ ترین چالش های قرن بیست و یکم تبدیل شده است. علائم رایج این بیماری، شامل تب، سرفه و تنگی نفس می باشد. شباهت این علائم به آنفولانزای فصلی، امکان تشخیص سریع و کم هزینه کووید-۱۹ را از متخصصان سلب کرده است. در این پژوهش یک الگوریتم هوشمند جهت دسته بندی افراد مبتلا به کووید-۱۹ از میان افراد مشکوک ارائه می شود. برای این منظور، ابتدا کاربرد چندجمله ای های متعامد به عنوان توابع هسته بررسی شده و سپس جهت غلبه بر پیچیدگی های محاسباتی، از تقریب کم-رتبه نیستروم و تجزیه مقادیر منفرد استفاده می کنیم. در پایان به کمک دسته بند گرادیان کاهشی، یک مدل بلادرنگ جهت تشخیص بیماری ارائه خواهیم کرد. نتایج حاصله بیانگر دقت ۹۸ درصدی الگوریتم ارائه شده می باشد.

کلیدواژه ها:

کووید-۱۹ ، تجزیه مقادیر منفرد ، چندجمله ای های متعامد ، یادگیری ماشین ، هوش مصنوعی