Πρόβλεψη των θανάτων από COVID-19 με χρήση αναδρομικών νευρωνικών δικτύων

Abstract

Η παρούσα πτυχιακή εργασία αποσκοπεί στην μελέτη αλγορίθμων νευρωνικών δικτύων με σκοπό την πρόβλεψη δεδομένων και εξαγωγή συμπερασμάτων που αφορούν στην πανδημία Covid-19. To θέμα της πανδημίας απασχολεί με ποικίλους τρόπους την ανθρωπότητα παντού και σε πολλούς διαφορετικούς τομείς, οπότε το αυξημένο ενδιαφέρον για την πορεία της διασποράς της αποτελεί συχνή πυξίδα για τον προσανατολισμό των ερευνών. Τα νευρωνικά δίκτυα υπάγονται στο ευρύτερο πεδίο της τεχνητής νοημοσύνης η οποία είναι ιδιαίτερα επίκαιρη και έχει ανασύρει στην επιφάνεια νέες προοπτικές, προκλήσεις και λύσεις στο χώρο της τεχνολογίας. Στην παρούσα έρευνα το ερώτημα είναι, αν είναι εφικτό να αναπτυχθεί ένα μοντέλο πρόβλεψης το οποίο να έχει την δυνατότητα να τροφοδοτείται με δεδομένα σχετικά με την διασπορά του Covid-19 και να εκτιμάται με ικανοποιητική ακρίβεια το ύψος του πλήθους των θανάτων στο μέλλον. Για την ανάπτυξη του μοντέλου πρόβλεψης χρησιμοποιούνται αλγόριθμοι που στηρίζονται στα νευρωνικά δίκτυα. Η αρχιτεκτονική που εξετάστηκε ήταν αυτή των αναδρομικών νευρωνικών δικτύων (Recurrent Neural Networks) που στηρίζεται στην αναδρομική τροφοδοσία των εισόδων. Στην διάρκεια της πειραματικής διαδικασίας, πραγματοποιήθηκε σύγκριση του νευρωνικού δικτύου με το δίκτυο ακτινικής συμμετρίας (Radial Basis Function) με σκοπό την εύρεση του καταλληλότερου μοντέλου προβλέψεων για τα συγκεκριμένα δεδομένα βάσει αποτελεσμάτων. Τα αποτελέσματα επιβεβαίωσαν ότι τα αναδρομικά νευρωνικά δίκτυα αποδίδουν καλύτερα σε σχέση με τα δίκτυα RBF για τα συγκεκριμένα δεδομένα χρονοσειρών.