Fugu-MT 論文翻訳(概要): Analysis of the COVID-19 pandemic by SIR model and machine learning technics for forecasting

論文の概要: Analysis of the COVID-19 pandemic by SIR model and machine learning technics for forecasting

arxiv url: http://arxiv.org/abs/2004.01574v1
Date: Fri, 3 Apr 2020 13:56:54 GMT
ステータス: 処理完了
システム内更新日: 2022-12-17 05:03:00.690909
Title: Analysis of the COVID-19 pandemic by SIR model and machine learning technics for forecasting
Title（参考訳）: 予測のためのSIRモデルと機械学習技術によるCOVID-19パンデミックの解析
Authors: Babacar Mbaye Ndiaye, Lena Tendeng, Diaraf Seck
Abstract要約: 本研究は、現実世界における新型コロナウイルスのパンデミックを分析するためのSIRモデルと機械学習ツールを提案する試行である。引用されたタフブの公開データに基づいて、主要なパンデミックパラメータを推定し、実際の世界、特にセネガルにおける反射点と可能な終了時刻について予測する。
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: This work is a trial in which we propose SIR model and machine learning tools to analyze the coronavirus pandemic in the real world. Based on the public data from \cite{datahub}, we estimate main key pandemic parameters and make predictions on the inflection point and possible ending time for the real world and specifically for Senegal. The coronavirus disease 2019, by World Health Organization, rapidly spread out in the whole China and then in the whole world. Under optimistic estimation, the pandemic in some countries will end soon, while for most part of countries in the world (US, Italy, etc.), the hit of anti-pandemic will be no later than the end of April.
Abstract（参考訳）: 本研究は、新型コロナウイルスのパンデミックを現実世界で分析するためのsirモデルと機械学習ツールを提案する試みである。ここでは,<cite{datahub} の公開データに基づいて,主要なパンデミックパラメータを推定し,実際の世界,特にセネガルにおける摂動点と可能な終了時刻の予測を行う。世界保健機関(who)による2019年の新型コロナウイルスの流行は、中国全土、そして世界中で急速に広がった。楽観的な推計の下では、一部の国でのパンデミックはすぐに終結するが、世界のほとんどの国(米国、イタリアなど)では、反パンデミックの打撃は4月末まで続く。

関連論文リスト

Epidemic outbreak prediction using machine learning models [0.0]
本稿では, アメリカ合衆国ニューヨーク州における流行の流行(インフルエンザ, 肝炎, マラリア)を, 機械学習とディープラーニングのアルゴリズムを用いて予測する。このアルゴリズムは、過去のデータを使って5週間のケース数を予測します。グーグル検索トレンド、社会メディアデータ、気象データなどの非臨床要因も、アウトブレイクの確率を予測するために使われてきた。
論文参考訳（メタデータ） (2023-10-30T17:28:44Z)
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)
Forecast Analysis of the COVID-19 Incidence in Lebanon: Prediction of Future Epidemiological Trends to Plan More Effective Control Programs [0.0]
レバノンにおけるcovid-19の拡散をエージェントベースのモデルを用いてシミュレーションする。シミュレーション中に、異なる非薬学介入を導入することができる。我々は、予防接種キャンペーンがまだ国で遅い間、学校の開校を遅らせる方が良いと結論付けました。
論文参考訳（メタデータ） (2021-05-11T08:07:03Z)
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)
Steering a Historical Disease Forecasting Model Under a Pandemic: Case of Flu and COVID-19 [75.99038202534628]
我々は、インフルエンザとCOVID-19が共存する新しいシナリオに、歴史的疾患予測モデルを「操る」ことができる神経伝達学習アーキテクチャであるCALI-Netを提案する。我々の実験は、現在のパンデミックに歴史的予測モデルを適用することに成功していることを示している。
論文参考訳（メタデータ） (2020-09-23T22:35:43Z)
Surveillance of COVID-19 Pandemic using Hidden Markov Model [0.0]
隠れマルコフモデルを用いて、拡散の程度をよりよく評価することを検討する。私たちが分析したデータは、インドのシナリオに関するものです。
論文参考訳（メタデータ） (2020-08-14T05:45:34Z)
A Survey on Applications of Artificial Intelligence in Fighting Against COVID-19 [75.84689958489724]
SARS-CoV-2ウイルスによる新型コロナウイルスのパンデミックは世界中で急速に広がり、世界的な感染拡大につながっている。新型コロナウイルス対策の強力なツールとして、人工知能(AI)技術はこのパンデミックに対抗するために広く利用されている。この調査では、新型コロナウイルス対策におけるAIテクノロジの既存および潜在的応用に関する包括的見解を、医療とAI研究者に提示する。
論文参考訳（メタデータ） (2020-07-04T22:48:15Z)
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)
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)
Comparative prediction of confirmed cases with COVID-19 pandemic by machine learning, deterministic and stochastic SIR models [0.0]
新型コロナウイルス感染者数を予測するための機械学習技術とSIRモデルを提案する。楽観的な推計では、一部の国のパンデミックは間もなく終了するが、世界のほとんどの国では、5月初め以降は反パンデミックの打撃が続くだろう。
論文参考訳（メタデータ） (2020-04-24T22:54:10Z)
Mining Coronavirus (COVID-19) Posts in Social Media [3.04585143845864]
世界保健機関(WHO)は2020年3月11日、新型コロナウイルス(COVID-19)を世界的なパンデミックと位置づけた。本稿では,最先端機械学習モデルを用いたソーシャルメディア利用者投稿から,新型コロナウイルスの陽性報告を自動的に検出する研究の予備的結果を報告する。
論文参考訳（メタデータ） (2020-03-28T23:38:50Z)

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。