برای ارائه یک مدل پیش بینی انتشار ویروس کووید-۱۹ در دوره بعد از واکسیانسیون با استفاده از شبکه های عصبی مصنوعی

کووید-۱۹ بر زندگی آنطور که شناخته شده است، بسیار تاثیر گذاشته است، زیرا ویروس در عرض چند هفته پس از ظهور به سرعت در سراسر جهان پخش شد و متاسفانه جان بسیاری را در این روند گرفته است. در حالی که تحقیقات گسترده ای این موضوع را در مقیاس وسیع با تمرکز بر کل کشورها و ایالت ها تجزیه و تحلیل کرده است. با استفاده از مجموعه دادهای در شهر ایالت کنکتیکاتکه داده های آن پس از واکسیناسیون جمع آوری شده است ، چندین مدل یادگیری عمیق را با استفاده از شبکه های عصبی مختلف برای پیشبینی تعداد موارد هر شهر در ایالت پیشنهاد شده است. بنابراین فاصله بین شهرها را در یکی از مبدل ها گنجانده شده است تا قدرت تعاملات بین شهر را اندازه گیری شود تا به پیشبینی کمک کند و همان طور که از نتایج نشان داده است هر چه میزانفاصله شهر ها دارای ویروس کرونا بیشتر شود به شدت کمتری شیوع پیدا میکند . در مدل دیگر با استفاده از تلفیق روشهایشبکه عصبی سری زمانی با ازدحام ذرات و ژنتیک سعی شده است تا به بهینه ترین حالت ممکن دسترسی پیدا شود و هدف ارائه بینشی در مورد آمادگی بهتر برای مقابله با آن است

کلیدواژه ها:

یادگیری ماشین ، الگوریتم فراپارمتریک ، شرایط اجتماعی ، کرونا