論文の概要: Generating Similarity Map for COVID-19 Transmission Dynamics with Topological Autoencoder

• arxiv url: http://arxiv.org/abs/2004.01481v2
• Date: Mon, 6 Apr 2020 06:26:13 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-17 04:27:56.540845
• Title: Generating Similarity Map for COVID-19 Transmission Dynamics with Topological Autoencoder
• Title（参考訳）: トポロジカルオートエンコーダを用いたCOVID-19感染動態の類似マップ作成
• Authors: Pitoyo Hartono
• Abstract要約: 2020年の初めには、中国でSARS-CoV2ウイルスによって引き起こされた新型コロナウイルス(COVID-19)の初感染が世界中に見られた。 この病気が世界中に広まるにつれて、すべての国でこの病気の伝染動態を引き出すのが困難になる。 著者らは,これらのダイナミクスのグローバルトポロジカルマップを生成するために,ある種のニューラルネットワークの利用を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: At the beginning of 2020 the world has seen the initial outbreak of COVID-19, a disease caused by SARS-CoV2 virus in China. The World Health Organization (WHO) declared this disease as a pandemic on March 11 2020. As the disease spread globally, it becomes difficult to tract the transmission dynamics of this disease in all countries, as they may differ in geographical, demographic and strategical aspects. In this short note, the author proposes the utilization of a type of neural network to generate a global topological map for these dynamics, in which countries that share similar dynamics are mapped adjacently, while countries with significantly different dynamics are mapped far from each other. The author believes that this kind of topological map can be useful for further analyzing and comparing the correlation between the diseases dynamics with strategies to mitigate this global crisis in an intuitive manner. Some initial experiments with with time series of patients numbers in more than 240 countries are explained in this note.
• Abstract（参考訳）: 2020年の初めには、中国でsars-cov2ウイルスによって引き起こされた病気であるcovid-19が世界で初めて発生した。 世界保健機関(WHO)は2020年3月11日にこの病気をパンデミックと宣言した。 この病気が世界中に広がるにつれて、地理的、人口学的、戦略的側面が異なるため、すべての国でこの病気の伝染動態を追跡することは困難になる。 本論では,類似するダイナミクスを持つ国が隣接してマッピングされる一方で,異なるダイナミクスを持つ国が互いに遠く離れているような,これらのダイナミクスに対してグローバルトポロジカルマップを生成するために,ニューラルネットワークのタイプの活用を提案する。 著者らは、この種のトポロジカルマップは、病気のダイナミクスとこの世界的危機を直感的に緩和するための戦略との相関をさらに分析し、比較するのに有用であると信じている。 本報告では,240か国以上の患者の時系列データを用いた初期実験について解説する。

関連論文リスト

• Human Behavior in the Time of COVID-19: Learning from Big Data [71.26355067309193]
  2020年3月以降、新型コロナウイルスの感染者は6億人を超え、600万人以上が死亡している。 パンデミックはあらゆる面で人間の行動に影響を与え、変化をもたらした。 研究者は自然言語処理、コンピュータビジョン、音声信号処理、頻繁なパターンマイニング、機械学習といったビッグデータ技術を採用してきた。
  論文  参考訳（メタデータ） (2023-03-23T17:19:26Z)
• 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)
• Analysing the impact of global demographic characteristics over the COVID-19 spread using class rule mining and pattern matching [8.025086113117291]
  本研究は、人口統計学的属性と世界的変動の多次元的関連を調査するためのインテリジェントなアプローチを提案する。 信頼性のあるソースから複数の人口統計属性とCOVID-19感染データを収集し、インテリジェントアルゴリズムで処理し、データ内の重要な関連やパターンを識別する。
  論文  参考訳（メタデータ） (2020-09-27T18:43:18Z)
• A Data-driven Understanding of COVID-19 Dynamics Using Sequential Genetic Algorithm Based Probabilistic Cellular Automata [4.36572039512405]
  本研究は、この感染拡散の正確なデータ駆動モデリングのために、セルオートマトンが優れたプラットフォームを提供することを示唆する。 異なる大陸の40カ国で、新型コロナウイルスの統計分析が実施されている。 このモデルの実質的な予測力は、パンデミックのダイナミクスにおける主要なプレイヤーの結論とともに確立されている。
  論文  参考訳（メタデータ） (2020-08-27T09:53:21Z)
• Understanding the temporal evolution of COVID-19 research through machine learning and natural language processing [66.63200823918429]
  重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。 私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。 調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
  論文  参考訳（メタデータ） (2020-07-22T18:02:39Z)
• Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
  われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。 実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
  論文  参考訳（メタデータ） (2020-06-05T02:04:25Z)
• The challenges of deploying artificial intelligence models in a rapidly evolving pandemic [10.188172055060544]
  我々は、AIモデルの可能性を加速するために、基礎研究と応用研究の両方が不可欠であると主張する。 この視点は、世界の科学コミュニティが将来の病気の発生に対してより効果的に対処する方法を垣間見ることができるかもしれない。
  論文  参考訳（メタデータ） (2020-05-19T21:11:48Z)
• When and How to Lift the Lockdown? Global COVID-19 Scenario Analysis and Policy Assessment using Compartmental Gaussian Processes [111.69190108272133]
  新型コロナウイルス(COVID-19)の世界的な感染拡大を受け、多くの国が前例のないロックダウン措置を講じている。 さまざまなロックダウンポリシーシナリオの下で、新型コロナウイルスの死亡率を予測するデータ駆動モデルが不可欠だ。 本稿では,グローバルな状況下での新型コロナウイルスロックダウンポリシーの効果を予測するためのベイズモデルを開発する。
  論文  参考訳（メタデータ） (2020-05-13T18:21:50Z)
• A kinetic model for qualitative understanding and analysis of the effect of complete lockdown imposed by India for controlling the COVID-19 disease spread by the SARS-CoV-2 virus [0.0]
  現在進行中のSARS-CoV-2ウイルスによる世界的なパンデミックは、世界中に波及している。 インド連邦政府は翌日から全土が完全に封鎖されたという前例のない発表を行った。 本研究は、インド領の96%以上をカバーする運動モデルを用いて、この決定の意味を科学的に分析することを目的とする。
  論文  参考訳（メタデータ） (2020-04-12T19:34:12Z)
• Mapping the Landscape of Artificial Intelligence Applications against COVID-19 [59.30734371401316]
  世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。 我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
  論文  参考訳（メタデータ） (2020-03-25T12:30:33Z)

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。