Cyber-Physical Systems: AI and COVID-19

سیستم‌های فیزیکی-سایبری: هوش مصنوعی و کووید-19 تحقیقات اصلی را برجسته می‌کند که به چالش‌های داده‌های کنونی از نظر توسعه مدل‌های ریاضی، ابزارها و تکنیک‌های مبتنی بر سیستم‌های فیزیکی سایبری می‌پردازد، و طراحی و توسعه راه‌حل‌های الگوریتمی و غیره. مفاهیم فنی جمع‌آوری، پردازش و تجزیه و تحلیل داده‌ها از سیستم‌های فیزیکی-سایبری (CPS) را بررسی می‌کند و ابزارها و تکنیک‌های قابل استفاده را بررسی می‌کند. این کتاب به‌عنوان منبعی برای هدایت محققان کووید در حین پیشبرد مطالعات بالینی و اپیدمیولوژیک در مورد این شیوع، از جمله مفاهیم فنی جمع‌آوری، پردازش و تجزیه و تحلیل داده‌ها از سیستم‌های فیزیکی-سایبری (CPS) عمل می‌کند.</ p>

مشکل عمده در شناسایی COVID-19، تشخیص و تشخیص به دلیل در دسترس نبودن دارو است. در این شرایط، تنها یک روش، واکنش زنجیره‌ای پلیمراز رونویسی معکوس (RT-PCR) به طور گسترده برای تشخیص مورد استفاده قرار گرفته است. با تکامل COVID-19، جامعه تحقیقاتی جهانی بسیاری از رویکردهای یادگیری ماشینی و مبتنی بر یادگیری عمیق را با مجموعه داده‌های افزایشی پیاده‌سازی کرده‌اند. با این حال، یافتن روش‌های شناسایی و پیش‌بینی دقیق‌تر در این مقطع بسیار مهم است.

Cyber-Physical Systems: AI and COVID-19 highlights original research which addresses current data challenges in terms of the development of mathematical models, cyber-physical systems-based tools and techniques, and the design and development of algorithmic solutions, etc. It reviews the technical concepts of gathering, processing and analyzing data from cyber-physical systems (CPS) and reviews tools and techniques that can be used. This book will act as a resource to guide COVID researchers as they move forward with clinical and epidemiological studies on this outbreak, including the technical concepts of gathering, processing and analyzing data from cyber-physical systems (CPS).

The major problem in the identification of COVID-19 is detection and diagnosis due to non-availability of medicine. In this situation, only one method, Reverse Transcription Polymerase Chain Reaction (RT-PCR) has been widely adopted and used for diagnosis. With the evolution of COVID-19, the global research community has implemented many machine learning and deep learning-based approaches with incremental datasets. However, finding more accurate identification and prediction methods are crucial at this juncture.