پیش بینی عوارض واکسن با استفاده از یادگیری عمیق

چکیدههدف تحقیق حاضر پیش بینی عوارض واکسن با استفاده از یادگیری عمیق است. برای این منظور ابتدا با استفاده از مطالعات تحقیقاتی کمبود تحقیق در این حوزه و جدید بودن موضوع بررسی شد و سپس یک مدل یادگیری عمیق طراحی شد که شامل ۹ متغیر ورودی و ۱ متغیر خروجی تحت عنوان عوارض واکسن کرونا بود. پس از انجام این کار دو الگوریتم شبکه عصبی مصنوعی پرسپترون چند لایه و ماشین بردار پشتیبان برای پیش بینی عوارض واکسن کرونا انتخاب شد و با استفاده از نرم افزار متلب پیاده سازی شد. نتایج پیاده سازی دوالگوریتم مزبور نشان می دهد که متغیرهای ۹ گانه تا ۸۵ درصد قادر به پیش بینی عوارض واکسن کرونا بوده و در واقع تا ۸۵ درصد دلیل و تشکیل دهنده عوارض واکسن می باشند. اما مقایسه دو الگوریتم نشان داد که الگوریتم شبکه عصبی مصنوعی عملکرد بهتری نسبت به الگوریتم ماشین بردار پشتیبان از نظر میزان بروز خطا و همچنین مقدارR نشان می دهد. پژوهش حاضر، حاصل پایان نامه کارشناسی ارشد جناب آقای ایمان عیسی پناه املشی در رشته مهندسی فناوری اطلاعات IT گرایش تجارت الکترونیک است که در سال ۱۴۰۱ در دانشگاه مهرآستان تحت راهنمایی جناب آقای دکتر عبدالرضا رضاپور از آن دفاع شده است.

کلیدواژه ها:

کلیدواژه ها: عوارض واکسن ، پیش بینی ، یادگیری عمیق