结合神经网络的适应度依赖优化器用于 COVID-19 患者诊断
神经与进化计算
2023-02-07 v1 机器学习
摘要
被称为 COVID-19 的冠状病毒于 2019 年出现在中国，已显著影响全球健康，并成为全世界卫生机构的巨大负担。这些影响持续至今。限制病毒传播的一种策略是对疑似病例进行早期诊断，并在疾病进一步蔓延前采取适当措施。本工作旨在根据文本临床数据诊断并展示感染该疾病的概率。在这项工作中，我们使用了五种机器学习技术（GWO_MLP、GWO_CMLP、MGWO_MLP、FDO_MLP、FDO_CMLP），其目的均是将 Covid-19 患者分为两类（阳性与阴性）。实验显示所有所用模型均取得有前景的结果。所应用的方法表现出非常相似的性能，通常在准确率方面。然而，在每个测试数据集中，FDO_MLP 和 FDO_CMLP 以 100% 的准确率产生了最佳结果。其他模型的结果因实验而异。结论是，以 FDO 算法作为学习算法的模型具有获得更高准确率的可能性。但发现与其他算法相比，FDO 的运行时间最长。covid 19 模型的链接见此处：https://github.com/Tarik4Rashid4/covid19models
引用
@article{arxiv.2302.02986,
title = {Fitness Dependent Optimizer with Neural Networks for COVID-19 patients},
author = {Maryam T. Abdulkhaleq and Tarik A. Rashid and Bryar A. Hassan and Abeer Alsadoon and Nebojsa Bacanin and Amit Chhabra and S. Vimal},
journal= {arXiv preprint arXiv:2302.02986},
year = {2023}
}
备注
38 pages