تشخیص کووید19 از تصاویر اشعه ایکس با استفاده از شبکه‌های عصبی عمیق و انتخاب ویژگی مبتنی بر روش بهینه سازی جستجوی اتم

الگوریتم‌های بهینه سازی فراابتکاری به طور فزاینده‌ای در محاسبات هوشمند محبوب هستند و به طور گسترده برای تعداد زیادی از مسائل مهندسی دنیای واقعی به کار می‌روند. از جنبه‌های محبوبیت آنها، برخی نظریه‌های اساسی و مدل‌های ریاضی معقول تکنیک‌های بهینه‌سازی است که از دنیای واقعی می‌آیند و از انواع پدیده‌های فیزیکی یا رفتارهای بیولوژیکی الهام می‌گیرند. در سال‌های اخیر روش‌های بهینه‌سازی فراابتکاری مختلفی در زمینه‌های علمی و مهندسی ارائه شده است. بهینه سازی جستجوی اتم یک رویکرد بهینه سازی جدید برای حل مسائل بهینه سازی است. این بهینه ساز به طور ریاضی مدل حرکت اتمی را در طبیعت مدل‌سازی و تقلید می‌کند، به طوری که اتم‌ها از طریق نیروهای برهمکنش با یکدیگر تعامل می‌کنند. در این مقاله سعی شده است تا با استفاده از الگوریتم جستجوی اتم، مجموعه ای از بهترین ویژگی‌ها انتخاب شوند تا بیشترین دقت از مدل حاصل شود.