approximation function
در نشریات گروه صنایع-
بیماری کرونا در حال حاضر بحران جهانی سلامت و بزرگترین چالشی است که بشر از زمان جنگ جهانی دوم تاکنون تجربه کرده است. با توجه به همه گیری این بیماری، پیش بینی تعداد موارد مبتلا و مرگ ومیر ناشی از آن برای درک بهتر شرایط فعلی و تهیه برنامه کوتاه مدت توسط مدیران، بسیار ارزشمند است. بر این اساس، در این مقاله یک مدل شبکه عصبی-فازی برای پیش بینی تعداد موارد مبتلا و مرگ ومیر ناشی از این بیماری در کشورهایی که بیشتر با این بیماری درگیر هستند پیشنهاد شده است. عملکرد شبکه عصبی-فازی پیشنهادی با شبکه های عصبی پیش بینی سری زمانی و همچنین شبکه های عصبی توابع پایه ای شعاعی مقایسه شده است. مدل پیشنهادی قادر است تعداد موارد مبتلا و مرگ ومیر ناشی از بیماری را برای یک دوره 15 روز آینده با نرخ خطای کمتر پیش بینی کند.
کلید واژگان: کرونا، شبکه عصبی-فازی، سری زمانی، پیش بینی، تابع تقریب، کلاس بندیCorona is currently the world's health crisis and the biggest challenge humans have experienced since World War II. Given the epidemic of the disease, it is invaluable to forecasting the number of cases and the resulting deaths to better understand the current situation and provide a short-term plan by managers. Accordingly, in this paper, a neuro-fuzzy network model is proposed to forecast the number of cases and deaths in countries that are most affected by this disease. The performance of the proposed neuro-fuzzy network has been compared with time series forecasting neural network as well as radial basic functions neural networks. The proposed model is able to predict the number of cases and deaths from the disease for a period of the next 15 days at a lower error rate.
Keywords: corona, Neuro-fuzzy network, time series, Forecasting, approximation function, Classification
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.