LEADER |
03119nam a22002177a 4500 |
001 |
2134301 |
041 |
|
|
|a ara
|
044 |
|
|
|b مصر
|
100 |
|
|
|a محمود، حنان خضارى مهدي
|g Mahmoud, Hanan Khadari Mahdi
|e مؤلف
|9 601050
|
245 |
|
|
|a مقارنة الشبكات العصبية ذات الذاكرة قصيرة المدى المطولة ونماذج بوكس وجينكنز بالتطبيق على سلسلة الوفيات اليومية الناتجة عن الإصابة بفيروس كورونا بمصر
|
260 |
|
|
|b جامعة المنوفية - كلية التجارة
|c 2023
|g أبريل
|
300 |
|
|
|a 517 - 542
|
336 |
|
|
|a بحوث ومقالات
|b Article
|
520 |
|
|
|a لقد بات من المؤكد أن انتشار فيروس كورونا ومتحور كورونا الجديد (أوميكرون) يفوق كل القدرات المعروفة للدول، وأصبح العالم في ظل الجائحة يواجه مختلف الأزمات، وعلى رأسها الأزمة الصحية العالمية المتمثلة في ارتفاع معدلات الوفيات التي تهدد أسس المجتمعات الاجتماعية والاقتصادية على المستوى العالمي في وقت واحد، لذلك أجريت العديد من الدراسات التي تحاول البحث عن اساليب تستخدم في التنبؤ بالوفيات الناتجة عن الاصابة بفيروس كورونا وقد تم في هذا البحث مقارنة أداء نموذج الشبكات العصبية ذات الذاكرة قصيرة المدى المطولة Long-(LSTM short term Memory) مع نماذج بوكس وجينكنز Auto (ARIMA Regressive. Lntegrated Moving Average) في التنبؤ بالوفيات الناتجة عن الإصابة بفيروس كورونا في مصر، وتم تجربة كل نموذج للتنبؤ بثلاث أيام جديدة. ومن خلال تطبيق النماذج وجد أن الشبكات العصبية ذات الذاكرة قصيرة المدى تتفوق على النماذج بدرجة ملحوظة. حيث لا يلزمها افتراض نماذج مسبقة لتمثيل البيانات أو العلاقة الرياضية التي تربطها، وعدم اعتمادها على الخطية، وبالإضافة إلى تطبيقها بنجاح في التنبؤ بالسلاسل الزمنية اليومية الطويلة.
|
653 |
|
|
|a جائحة كورونا "كوفيد-19"
|a معدلات الوفيات
|a الشبكات العصبية
|a الذكاء الاصطناعي
|a المعايير الإحصائية
|
692 |
|
|
|a فيروس كورونا
|a نموذج الشبكات العصبية ذات الذاكرة قصيرة المدى
|a نماذج بوكس وجينكنز
|a الذكاء الإصطناعي
|a التعلم الآلي
|
773 |
|
|
|4 الاقتصاد
|6 Economics
|c 011
|e Scientific Journal for commercial research
|l 002
|m س10, ع2
|o 1485
|s المجلة العلمية للبحوث التجارية
|v 010
|
856 |
|
|
|u 1485-010-002-011.pdf
|
930 |
|
|
|d y
|p y
|q n
|
995 |
|
|
|a EcoLink
|
999 |
|
|
|c 1382978
|d 1382978
|