論文の概要: Neural network based country wise risk prediction of COVID-19
- arxiv url: http://arxiv.org/abs/2004.00959v2
- Date: Wed, 16 Sep 2020 15:16:15 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-18 02:01:14.850562
- Title: Neural network based country wise risk prediction of COVID-19
- Title（参考訳）: ニューラルネットワークによる新型コロナウイルスの国別リスク予測
- Authors: Ratnabali Pal, Arif Ahmed Sekh, Samarjit Kar, Dilip K. Prasad
- Abstract要約: 新型コロナウイルスの世界的な感染拡大を受け、研究コミュニティに新たな課題が開かれている。
本稿では,国家のリスクカテゴリを予測するために,LSTMに基づくニューラルネットワークを提案する。
その結果,提案パイプラインは180か国のデータに対して最先端の手法よりも優れていた。
- 参考スコア（独自算出の注目度）: 12.500738729507676
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The recent worldwide outbreak of the novel coronavirus (COVID-19) has opened
up new challenges to the research community. Artificial intelligence (AI)
driven methods can be useful to predict the parameters, risks, and effects of
such an epidemic. Such predictions can be helpful to control and prevent the
spread of such diseases. The main challenges of applying AI is the small volume
of data and the uncertain nature. Here, we propose a shallow long short-term
memory (LSTM) based neural network to predict the risk category of a country.
We have used a Bayesian optimization framework to optimize and automatically
design country-specific networks. The results show that the proposed pipeline
outperforms state-of-the-art methods for data of 180 countries and can be a
useful tool for such risk categorization. We have also experimented with the
trend data and weather data combined for the prediction. The outcome shows that
the weather does not have a significant role. The tool can be used to predict
long-duration outbreak of such an epidemic such that we can take preventive
steps earlier
- Abstract（参考訳）: 新型コロナウイルスの世界的な流行(covid-19)は、研究コミュニティに新たな課題をもたらしている。
人工知能(AI)駆動の手法は、そのような流行のパラメータ、リスク、影響を予測するのに有用である。
このような予測は、そのような病気の拡散の制御と予防に有用である。
AIを適用する主な課題は、少量のデータ量と不確実性である。
本稿では,国家のリスクカテゴリーを予測するために,浅層長短期記憶(lstm)ベースのニューラルネットワークを提案する。
我々はベイズ最適化フレームワークを用いて国固有のネットワークを最適化し、自動設計した。
その結果,提案パイプラインは180か国のデータに対して最先端の手法よりも優れており,リスク分類に有用であることがわかった。
また,予測のためにトレンドデータと天気データを組み合わせて実験を行った。
その結果、天候はそれほど大きな役割を果たさないことがわかった。
このツールは、予防措置を早期に実施できるように、そのような流行の長期化を予測できる。
関連論文リスト
- MedDiffusion: Boosting Health Risk Prediction via Diffusion-based Data
Augmentation [58.93221876843639]
本稿では,MedDiffusion という,エンドツーエンドの拡散に基づくリスク予測モデルを提案する。
トレーニング中に合成患者データを作成し、サンプルスペースを拡大することで、リスク予測性能を向上させる。
ステップワイズ・アテンション・メカニズムを用いて患者の来訪者間の隠れた関係を識別し、高品質なデータを生成する上で最も重要な情報をモデルが自動的に保持することを可能にする。
論文 参考訳（メタデータ） (2023-10-04T01:36:30Z) - Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。
私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。
主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
論文 参考訳（メタデータ） (2023-09-12T13:28:06Z) - An ensemble neural network approach to forecast Dengue outbreak based on
climatic condition [2.3080278150530424]
デング熱(英: Dengue fever)は、アフリカ、アメリカ、アジアに100以上の熱帯・亜熱帯の国々に分布する病原体である。
提案モデルは、ウェーブレットをアンサンブルニューラルネットワークフレームワークに変換する統合アプローチである。
提案したXEWNetはデング発生事例と降雨の複雑な非線形関係を可能にする。
論文 参考訳（メタデータ） (2022-12-16T07:49:15Z) - Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。
疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。
また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
論文 参考訳（メタデータ） (2022-07-19T16:15:11Z) - Modeling the geospatial evolution of COVID-19 using spatio-temporal
convolutional sequence-to-sequence neural networks [48.7576911714538]
ポルトガルは世界最大の発生率を持つ国であり、人口10万人当たりの14日間の発生率が1000を超える。
その重要性にもかかわらず、covid-19の地理空間的進化の正確な予測は依然として課題である。
論文 参考訳（メタデータ） (2021-05-06T15:24:00Z) - An Optimal Control Approach to Learning in SIDARTHE Epidemic model [67.22168759751541]
本研究では,疫病データから動的コンパートメンタルモデルの時間変化パラメータを学習するための一般的な手法を提案する。
我々はイタリアとフランスの疫病の進化を予報する。
論文 参考訳（メタデータ） (2020-10-28T10:58:59Z) - UNITE: Uncertainty-based Health Risk Prediction Leveraging Multi-sourced
Data [81.00385374948125]
我々はUNcertaInTyベースのhEalth Risk Prediction(UNITE)モデルを提案する。
UNITEは、複数ソースの健康データを活用した正確な疾患リスク予測と不確実性推定を提供する。
非アルコール性脂肪肝疾患(NASH)とアルツハイマー病(AD)の実態予測タスクにおけるUNITEの評価を行った。
UNITEはAD検出のF1スコアで最大0.841点、NASH検出のPR-AUCで最大0.609点を達成し、最高のベースラインで最大19%の高パフォーマンスを達成している。
論文 参考訳（メタデータ） (2020-10-22T02:28:11Z) - A self-supervised neural-analytic method to predict the evolution of
COVID-19 in Romania [10.760851506126105]
我々は、感染症の古典的な確立されたモデルであるSEIRの改良版を使用している。
本稿では,修正SEIRモデルパラメータの正しいセットを推定するために,深層畳み込みネットワークを訓練するための自己教師型アプローチを提案する。
ルーマニアの死亡率が約0.3%である場合、楽観的な結果が得られ、我々のモデルが今後最大3週間の日々の死亡数を正確に予測できることを示した。
論文 参考訳（メタデータ） (2020-06-23T12:00:04Z) - Data-driven Simulation and Optimization for Covid-19 Exit Strategies [16.31545249131776]
コロナウイルスSARS-2の急速な普及は、世界中のほぼ全ての政府が悲劇に対応するために徹底的な対策を講じる大きな課題である。
我々は,疫学パラメータの深層学習推定を組み合わせたパンデミックシミュレーションと予測ツールキットを構築した。
論文 参考訳（メタデータ） (2020-06-12T11:18:25Z) - Forecasting the Spread of Covid-19 Under Control Scenarios Using LSTM
and Dynamic Behavioral Models [2.11622808613962]
本研究では,Long Short-term memory (LSTM)人工リカレントニューラルネットワークと動的行動モデルを組み合わせた新しいハイブリッドモデルを提案する。
提案モデルでは, 最上位10か国, オーストラリアにおいて, 死亡率の予測精度を高めるために, 複数因子の効果を考察した。
論文 参考訳（メタデータ） (2020-05-24T10:43:55Z) - COVID-19 forecasting based on an improved interior search algorithm and
multi-layer feed forward neural network [0.0]
今後数日で確認された新型コロナウイルスの症例を分析し、予測する新たな予測モデルが提示される。
ISACL-MFNNモデルは、カオス学習(CL)戦略に基づく改良された内部探索アルゴリズム(ISA)を多層フィードフォワードニューラルネットワーク(MFNN)に統合する。
提案されたモデルは最も影響の大きい国(米国、イタリア、スペイン)で調査されている。
論文 参考訳（メタデータ） (2020-04-06T12:08:10Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。