論文の概要: COVID-19 forecasting based on an improved interior search algorithm and multi-layer feed forward neural network

• arxiv url: http://arxiv.org/abs/2004.05960v1
• Date: Mon, 6 Apr 2020 12:08:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-16 06:55:52.376713
• Title: COVID-19 forecasting based on an improved interior search algorithm and multi-layer feed forward neural network
• Title（参考訳）: 改良された内部探索アルゴリズムと多層フィードフォワードニューラルネットワークによるcovid-19予測
• Authors: Rizk M. Rizk-Allah and Aboul Ella Hassanien (Scientific Research Group in Egypt)
• Abstract要約: 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。
• 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: COVID-19 is a novel coronavirus that was emerged in December 2019 within Wuhan, China. As the crisis of its serious increasing dynamic outbreak in all parts of the globe, the forecast maps and analysis of confirmed cases (CS) becomes a vital great changeling task. In this study, a new forecasting model is presented to analyze and forecast the CS of COVID-19 for the coming days based on the reported data since 22 Jan 2020. The proposed forecasting model, named ISACL-MFNN, integrates an improved interior search algorithm (ISA) based on chaotic learning (CL) strategy into a multi-layer feed-forward neural network (MFNN). The ISACL incorporates the CL strategy to enhance the performance of ISA and avoid the trapping in the local optima. By this methodology, it is intended to train the neural network by tuning its parameters to optimal values and thus achieving high-accuracy level regarding forecasted results. The ISACL-MFNN model is investigated on the official data of the COVID-19 reported by the World Health Organization (WHO) to analyze the confirmed cases for the upcoming days. The performance regarding the proposed forecasting model is validated and assessed by introducing some indices including the mean absolute error (MAE), root mean square error (RMSE) and mean absolute percentage error (MAPE) and the comparisons with other optimization algorithms are presented. The proposed model is investigated in the most affected countries (i.e., USA, Italy, and Spain). The experimental simulations illustrate that the proposed ISACL-MFNN provides promising performance rather than the other algorithms while forecasting task for the candidate countries.
• Abstract（参考訳）: 新型コロナウイルス(covid-19)は、2019年12月に中国武漢で発生した新型コロナウイルスである。 世界のすべての地域で深刻なダイナミック・アウトブレイクの危機が続く中、予測地図と確認された症例の分析は重要な変革課題となっている。 本研究では,2020年1月22日以降の報告データに基づいて,今後数日にわたって,新型コロナウイルスのCSを分析し,予測する新たな予測モデルを提案する。 提案した予測モデルであるISACL-MFNN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。 ISACL は CL 戦略を取り入れ、ISA の性能を高め、局所的な最適化におけるトラップを避ける。 この手法により、パラメータを最適値に調整してニューラルネットワークをトレーニングし、予測された結果に関する高精度なレベルを達成する。 ISACL-MFNNモデルは、WHO(世界保健機関)が報告した新型コロナウイルスの公式データに基づいて、今後数日で確認された症例を分析する。 平均絶対誤差(MAE)、ルート平均二乗誤差(RMSE)、平均絶対パーセンテージ誤差(MAPE)などの指標を導入して、提案した予測モデルの性能を検証するとともに、他の最適化アルゴリズムとの比較を行った。 提案されたモデルは最も影響の大きい国(アメリカ、イタリア、スペイン)で調査されている。 実験により,提案したISACL-MFNNは他のアルゴリズムよりも有望な性能を示し,候補国に対するタスクを予測した。

関連論文リスト

• Embedded feature selection in LSTM networks with multi-objective evolutionary ensemble learning for time series forecasting [49.1574468325115]
  本稿では,Long Short-Term Memory Networkに埋め込まれた特徴選択手法を提案する。 本手法はLSTMの重みと偏りを分割的に最適化する。 イタリアとスペイン南東部の大気質時系列データの実験的評価により,従来のLSTMの能力一般化が著しく向上することが確認された。
  論文  参考訳（メタデータ） (2023-12-29T08:42:10Z)
• Clinical Deterioration Prediction in Brazilian Hospitals Based on Artificial Neural Networks and Tree Decision Models [56.93322937189087]
  超強化ニューラルネットワーク(XBNet)は臨床劣化(CD)を予測するために用いられる XGBoostモデルはブラジルの病院のデータからCDを予測する最良の結果を得た。
  論文  参考訳（メタデータ） (2022-12-17T23:29:14Z)
• Adaptive LASSO estimation for functional hidden dynamic geostatistical model [69.10717733870575]
  関数型隠れ統計モデル(f-HD)のためのペナル化極大推定器(PMLE)に基づく新しいモデル選択アルゴリズムを提案する。 このアルゴリズムは反復最適化に基づいており、適応最小限の収縮・セレクタ演算子(GMSOLAS)ペナルティ関数を用いており、これは不給付のf-HD最大線量推定器によって得られる。
  論文  参考訳（メタデータ） (2022-08-10T19:17:45Z)
• Strict baselines for Covid-19 forecasting and ML perspective for USA and Russia [105.54048699217668]
  Covid-19は、2年間にわたって蓄積されたデータセットを収集し、予測分析に使用できるようにする。 本研究は、米国とロシアの2カ国の地域データに基づいて、Covid-19の拡散のダイナミクスを予測するための様々な種類の方法に関する一貫した研究結果である。
  論文  参考訳（メタデータ） (2022-07-15T18:21:36Z)
• Improving COVID-19 Forecasting using eXogenous Variables [7.245000255986182]
  米国におけるパンデミック・コースについて、国家レベルと国家レベルのデータを用いて検討する。 本稿では,補助変数を組み込んだ時系列予測手法を提案し,比較する。
  論文  参考訳（メタデータ） (2021-07-20T03:26:18Z)
• 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)
• Comparison of Traditional and Hybrid Time Series Models for Forecasting COVID-19 Cases [0.5849513679510832]
  2019年12月の新型コロナウイルスの感染は、すでに世界中で数百万人を感染させ、拡大し続けています。 流行のカーブが平ら化し始めた直後、多くの国が再びケースの増加を目撃し始めている。 したがって、国家当局や保健当局に将来の時代の即時戦略を提供するには、時系列予測モデルの徹底的な分析が必要です。
  論文  参考訳（メタデータ） (2021-05-05T14:56:27Z)
• 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)
• Adaptive County Level COVID-19 Forecast Models: Analysis and Improvement [1.8899300124593645]
  我々は、国家レベルと郡のレベルモデルであるTDEFSI-LONLYを、国内レベルと郡レベルのCOVID-19データに適用する。 このモデルは現在のパンデミックを予測できない。 低次元の時間パターンを学習するために、全国のケースでLSTMバックボーンをトレーニングする、別の予測モデルである、郡レベルの疫学的推論リカレントネットワーク(alg)を提案する。
  論文  参考訳（メタデータ） (2020-06-16T17:20:54Z)
• 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)
• Neural network based country wise risk prediction of COVID-19 [12.500738729507676]
  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。
  論文  参考訳（メタデータ） (2020-03-31T20:03:10Z)

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。