論文の概要: Prediction of COVID-19 Disease Progression in India : Under the Effect
of National Lockdown
- arxiv url: http://arxiv.org/abs/2004.03147v1
- Date: Tue, 7 Apr 2020 06:35:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-16 00:51:23.148476
- Title: Prediction of COVID-19 Disease Progression in India : Under the Effect
of National Lockdown
- Title（参考訳）: インドにおける新型コロナウイルス感染症の進展予測 : ロックダウンの影響
- Authors: Sourish Das
- Abstract要約: 本研究では, 疫学SIRを用いて, 基本再生数を全国レベル, 州レベルで推定する。
また,過去の事例を予測するための統計的機械学習モデルも開発した。
- 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: In this policy paper, we implement the epidemiological SIR to estimate the
basic reproduction number $\mathcal{R}_0$ at national and state level. We also
developed the statistical machine learning model to predict the cases ahead of
time. Our analysis indicates that the situation of Punjab
($\mathcal{R}_0\approx 16$) is not good. It requires immediate aggressive
attention. We see the $\mathcal{R}_0$ for Madhya Pradesh (3.37) , Maharastra
(3.25) and Tamil Nadu (3.09) are more than 3. The $\mathcal{R}_0$ of Andhra
Pradesh (2.96), Delhi (2.82) and West Bengal (2.77) is more than the India's
$\mathcal{R}_0=2.75$, as of 04 March, 2020. India's $\mathcal{R}_0=2.75$ (as of
04 March, 2020) is very much comparable to Hubei/China at the early disease
progression stage. Our analysis indicates that the early disease progression of
India is that of similar to China. Therefore, with lockdown in place, India
should expect as many as cases if not more like China. If lockdown works, we
should expect less than 66,224 cases by May 01,2020. All data and \texttt{R}
code for this paper is available from
\url{https://github.com/sourish-cmi/Covid19}
- Abstract（参考訳）: 本稿では,全国および州レベルでの基本再現数 $\mathcal{r}_0$ を推定するために,疫学のsirを実装した。
また,先行して事例を予測する統計的機械学習モデルを開発した。
解析の結果, Punjab(\mathcal{R}_0\approx 16$)の状況は良くないことがわかった。
迅速な注意が必要である。
マディヤ・プラデーシュ(3.37)、マハラストラ(3.25)、タミル・ナードゥ(3.09)の$\mathcal{r}_0$は3以上である。
andhra pradesh (2.96)、delhi (2.82)、west bengal (2.77)の$\mathcal{r}_0$は、2020年3月04日の時点でインドの$\mathcal{r}_0=2.75$よりも大きい。
インドの$\mathcal{r}_0=2.75$(2020年3月04日現在)は、初期の疾患進行段階において中国と非常によく似ている。
我々の分析は、インドの初期の病気の進行は中国と類似していることを示している。
それゆえ、インドはロックダウンを実施すれば、中国に似ていなければ、できるだけ多くのケースを想定すべきである。
ロックダウンがうまくいけば、2020年5月01日までに66,224件未満のケースが予想される。
この論文のすべてのデータと \texttt{R} コードは \url{https://github.com/sourish-cmi/Covid19} から入手できる。
関連論文リスト
- Contextual Bandits with Online Neural Regression [46.82558739203106]
オンライン回帰と関連するニューラルコンテキスト帯域(NeuCBs)におけるニューラルネットワークの利用について検討する。
既存の結果をワイドネットワークで使うと、$mathcalO(sqrtT)$ regretを2乗の損失でオンラインレグレッションで簡単に表示できる。
正方形損失とKL損失の両方を持つオンラインレグレッションに対して$mathcalO(log T)$ regretを示し、その後、それぞれ$tildemathcalO(sqrtKT)$と$tildemathcalOに変換する。
論文 参考訳（メタデータ） (2023-12-12T10:28:51Z) - Explainable AI Framework for COVID-19 Prediction in Different Provinces
of India [1.9540758462427876]
2020年、コビッドウイルスは200カ国以上で流行し、2021年12月20日までに世界の221カ国で2億7500万件のコビッドウイルスと5.37万件の死亡が確認された。
アメリカ合衆国、インド、ブラジル、イギリス、ロシアなどを含む多くの国は、人口の多さから新型コロナウイルスのパンデミックの影響をひどく受けている。
この国では2021年12月20日までに51.7M、34.7M、22.2M、11.3M、10.2Mと報告されている。
提案したLSTMモデルは1つの状態、すなわちMaharashtraでトレーニングされ、テストされる。
論文 参考訳（メタデータ） (2022-01-12T16:26:14Z) - CoviHawkes: Temporal Point Process and Deep Learning based Covid-19
forecasting for India [17.226088970705774]
本稿は、現在流行している地域に焦点を当てたロックダウンであるローカルのロックダウンを支持する。
本研究では,インドにおけるCovid-19の毎日のケース数を予測する機械学習ツールCoviHawkesを提案する。
論文 参考訳（メタデータ） (2021-09-08T13:37:46Z) - Brain Age Estimation From MRI Using Cascade Networks with Ranking Loss [75.03117866578913]
T1強調MRIデータから脳年齢を推定するために,新しい3次元畳み込みネットワークである2段エイジネットワーク(TSAN)を提案する。
686ドルのMRIによる実験では、TSANが正確な脳年齢を推定できることが示された。
論文 参考訳（メタデータ） (2021-06-06T07:11:25Z) - Forecasting COVID-19 Counts At A Single Hospital: A Hierarchical
Bayesian Approach [59.318136981032]
一つの病院で1日当たりの入院患者数を予測するという課題について検討する。
データのカウント特性を直接キャプチャする階層型ベイズモデルをいくつか開発する。
マサチューセッツ州の8つの病院とイギリスの10の病院のパブリックデータセットに対する我々のアプローチを実証する。
論文 参考訳（メタデータ） (2021-04-14T11:58:54Z) - Probabilistic Sequential Shrinking: A Best Arm Identification Algorithm
for Stochastic Bandits with Corruptions [91.8283876874947]
我々は,T段の固定予算設定において,敵対的腐敗を伴う連続的包帯に対する最適な腕識別(BAI)問題を考察した。
我々は, 汚職の量に依存しない新しいランダム化アルゴリズム, Probabilistic Shrinking($u$) (PSS($u$)) を設計する。
CPS が十分に大きいとき、BAI 確率を$Trightarrow infty$ として達成できるアルゴリズムは存在しない。
論文 参考訳（メタデータ） (2020-10-15T17:34:26Z) - Projections for COVID-19 spread in India and its worst affected five
states using the Modified SEIRD and LSTM models [3.0507203596180488]
本論文は、インドにおける新型コロナウイルス感染を予測するための修正SEIRD(Susceptible-Exposed-Incovered-Recovered-Deceased)モデルを提案する。
修正SEIRDモデルから得られた投射もLSTMによる30日間の投射と比較した。
この論文で示された結果は、インドに広がる新型コロナウイルス(COVID-19)を抑えるための今後の政策決定のためのビーコンとして機能する。
論文 参考訳（メタデータ） (2020-09-07T07:38:10Z) - Changing Clusters of Indian States with respect to number of Cases of
COVID-19 using incrementalKMN Method [0.0]
状態を5つのクラスタに分類し,リスクの低いカテゴリに分類する。
1回目以降、異なる状態が1つのクラスタからもう1つのクラスタへどのように移動したかを検討する。
論文 参考訳（メタデータ） (2020-07-12T10:27:38Z) - 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) - 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) - A Brief Prehistory of Double Descent [75.37825440319975]
Belkin et al. は、現代の複雑度学習者の文脈におけるリスク曲線の形状を説明し、議論する。
N$が増加すると、リスクは最初減少し、最小値に達した後、N$が$n$に等しいまで増加し、トレーニングデータが完全に適合する。
論文 参考訳（メタデータ） (2020-04-07T09:41:24Z)
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。