स्वार्म इंटेलिजेंस और इवोल्यूशनरी कंप्यूटेशन का अंतर्राष्ट्रीय जर्नल

अमूर्त

SARS-CoV-2 के क्षेत्रीय महामारी विज्ञान डेटा में निम्न आयामी अराजक आकर्षक

कार्लोस पेड्रो गोंसाल्वेस

पृष्ठभूमि: अराजकता सिद्धांत विधियों को लागू करने वाले हालिया अध्ययनों ने SARSCoV-2 के महामारी विज्ञान डेटा में अराजक मार्करों के अस्तित्व को पाया है, जो SARS-CoV-2 / COVID-19 महामारी के पूर्वानुमान, मॉडलिंग और महामारी विज्ञान विश्लेषण पर प्रभाव डालता है और स्वास्थ्य सेवा प्रबंधन के लिए निहितार्थ है।

उद्देश्य और विधियाँ: हम अफ्रीका, एशिया, यूरोप, उत्तर और दक्षिण अमेरिका और ओशिनिया में प्रति मिलियन कोविड-19 के नए मामलों और प्रति मिलियन नई मौतों के समग्र आंकड़ों का अध्ययन करते हैं, जिसमें अराजकता सिद्धांत के अनुभवजन्य तरीकों को लागू किया जाता है, जिसमें एम्बेडिंग आयाम अनुमान, ल्यापुनोव स्पेक्ट्रा अनुमान, स्पेक्ट्रल विश्लेषण और अत्याधुनिक टोपोलॉजिकल डेटा विश्लेषण विधियाँ शामिल हैं, जो गतिशीलता की प्रकृति और इसकी भविष्यवाणी को चिह्नित करने के उद्देश्य से लगातार होमोलॉजी, पुनरावृत्ति विश्लेषण और मशीन लर्निंग को जोड़ती हैं।

परिणाम और निष्कर्ष: परिणाम दर्शाते हैं कि ओशिनिया को छोड़कर सभी क्षेत्रों के लिए कम आयामी शोर अराजक आकर्षकों का सबूत है जो अराजकता की शुरुआत के करीब हैं, एक पुनरावृत्ति संरचना के साथ जिसका उपयोग निकटतम पड़ोसियों के मशीन लर्निंग मॉड्यूल से लैस अनुकूली कृत्रिम बुद्धिमत्ता समाधानों द्वारा प्रत्येक क्षेत्र के लिए दो लक्ष्य श्रृंखलाओं के भविष्य के मूल्यों की बहुत उच्च प्रदर्शन के साथ भविष्यवाणी करने के लिए किया जा सकता है। लगातार समरूपता विश्लेषण दो समूहों में विभाजन को उजागर करता है, पहला समूह अफ्रीका और एशिया से बना है और दूसरा यूरोप, उत्तर और दक्षिण अमेरिका से बना है। ओशिनिया के लिए, हमें एक द्विभाजन की घटना का सबूत मिला जिसे हम मशीन लर्निंग और टोपोलॉजिकल विश्लेषण विधियों के संयोजन को लागू करके विस्तार से चिह्नित करते हैं; हम पाते हैं कि क्षेत्र में द्विभाजन नए वेरिएंट के उद्भव से संबंधित है।