Fugu-MT 論文翻訳(概要): Impact studies of nationwide measures COVID-19 anti-pandemic: compartmental model and machine learning

論文の概要: Impact studies of nationwide measures COVID-19 anti-pandemic: compartmental model and machine learning

arxiv url: http://arxiv.org/abs/2005.08395v2
Date: Sun, 9 Aug 2020 21:57:38 GMT
ステータス: 処理完了
システム内更新日: 2022-12-02 06:02:10.377651
Title: Impact studies of nationwide measures COVID-19 anti-pandemic: compartmental model and machine learning
Title（参考訳）: 新型コロナウイルス(covid-19)抗パンデミック対策のインパクトスタディ--区画モデルと機械学習
Authors: Mouhamadou A.M.T. Balde, Coura Balde, Babacar M. Ndiaye
Abstract要約: 全国的な新型コロナウイルス対策の効果について検討する。パンデミックの進展を予測するために、2つの機械学習ツールを使用します。
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 paper, we deal with the study of the impact of nationwide measures COVID-19 anti-pandemic. We drive two processes to analyze COVID-19 data considering measures. We associate level of nationwide measure with value of parameters related to the contact rate of the model. Then a parametric solve, with respect to those parameters of measures, shows different possibilities of the evolution of the pandemic. Two machine learning tools are used to forecast the evolution of the pandemic. Finally, we show comparison between deterministic and two machine learning tools.
Abstract（参考訳）: 本稿では,全国的な新型コロナウイルス対策のパンデミック対策の効果について検討する。対策を考えると、covid-19のデータを分析するプロセスが2つある。我々は,全国的な尺度のレベルを,モデルの接触率に関連するパラメータの値と関連付ける。次に、パラメトリック・ソルバーは、これらの指標に関して、パンデミックの進化の異なる可能性を示している。パンデミックの進化を予測するために、2つの機械学習ツールが使用される。最後に、決定論的ツールと2つの機械学習ツールの比較を示す。

関連論文リスト

Agent-Based Model: Simulating a Virus Expansion Based on the Acceptance of Containment Measures [65.62256987706128]
比較疫学モデルは、疾患の状態に基づいて個人を分類する。我々は、適応されたSEIRDモデルと市民のための意思決定モデルを組み合わせたABMアーキテクチャを提案する。スペイン・ア・コルナにおけるSARS-CoV-2感染症の進行状況について検討した。
論文参考訳（メタデータ） (2023-07-28T08:01:05Z)
A Meta-Learning Method for Estimation of Causal Excursion Effects to Assess Time-Varying Moderation [0.0]
本稿では,メタ・ラーナーの観点からの因果抽出効果の推定について再検討する。提案する推定器の特性を理論的および広範囲なシミュレーションにより比較する。その結果, 相対効率が向上し, 既存手法の2倍頑健な代替案が提案された。
論文参考訳（メタデータ） (2023-06-28T15:19:33Z)
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)
Benchmarking Machine Learning Robustness in Covid-19 Genome Sequence Classification [109.81283748940696]
我々は、IlluminaやPacBioといった一般的なシークエンシングプラットフォームのエラープロファイルを模倣するために、SARS-CoV-2ゲノム配列を摂動する方法をいくつか紹介する。シミュレーションに基づくいくつかのアプローチは、入力シーケンスに対する特定の敵攻撃に対する特定の埋め込み手法に対して、他の手法よりも堅牢(かつ正確)であることを示す。
論文参考訳（メタデータ） (2022-07-18T19:16:56Z)
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)
Assessing the Heterogeneous Impact of Economy-Wide Shocks: A Machine Learning Approach Applied to Colombian Firms [0.0]
輸出に対する経済全般的なショックの不均一な影響について検討する。新型コロナウイルス(COVID-19)の影響で、2020年4月に輸出市場での生存確率が約20ポイント低下したことが判明した。
論文参考訳（メタデータ） (2021-04-09T19:00:03Z)
STELAR: Spatio-temporal Tensor Factorization with Latent Epidemiological Regularization [76.57716281104938]
我々は,多くの地域の流行傾向を同時に予測するテンソル法を開発した。 stelarは離散時間差分方程式のシステムを通じて潜在時間正規化を組み込むことで長期予測を可能にする。我々は、カウンティレベルと州レベルのCOVID-19データの両方を用いて実験を行い、このモデルが流行の興味深い潜伏パターンを識別できることを示します。
論文参考訳（メタデータ） (2020-12-08T21:21:47Z)
Predicting COVID-19 cases using Bidirectional LSTM on multivariate time series [1.8352113484137624]
本稿では,新型コロナウイルス感染者の累積数を予測するための深層学習手法を提案する。ロックダウンに加え、複数の国のデータにより、毎日の累積感染者の予測の精度が向上している。
論文参考訳（メタデータ） (2020-09-10T12:53:05Z)
Deep Learning Models for Early Detection and Prediction of the spread of Novel Coronavirus (COVID-19) [4.213555705835109]
SARS-CoV2は世界的な普及を続けており、パンデミックとなっている。新型コロナウイルスの感染拡大を予測するために、機械学習技術を開発する必要がある。
論文参考訳（メタデータ） (2020-07-29T10:14:11Z)
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)

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。