論文の概要: An Unsupervised Machine Learning Approach to Assess the ZIP Code Level Impact of COVID-19 in NYC

• arxiv url: http://arxiv.org/abs/2006.08361v3
• Date: Fri, 18 Sep 2020 15:05:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-22 14:26:30.541910
• Title: An Unsupervised Machine Learning Approach to Assess the ZIP Code Level Impact of COVID-19 in NYC
• Title（参考訳）: ニューヨーク市におけるZIPコードレベルの影響評価のための教師なし機械学習手法
• Authors: Fadoua Khmaissia, Pegah Sagheb Haghighi, Aarthe Jayaprakash, Zhenwei Wu, Sokratis Papadopoulos, Yuan Lai, Freddy T. Nguyen
• Abstract要約: ニューヨークは新型コロナウイルスのパンデミックの世界的な中心地と認識されている。 ニューヨーク市における新型コロナウイルスの新規感染者の増加率と高い相関関係にある重要な要因を明らかにするために,教師なし機械学習フレームワークを提案する。 同様の人口統計,社会経済,移動パターンを持つZIPコード領域が同様のアウトブレイクを経験する可能性が高いという仮定に基づいて,クラスタリングを行う上で最も関連性の高い特徴を選択し,それらを9つの解釈可能なカテゴリに分類する。
• 参考スコア（独自算出の注目度）: 0.11083289076967892
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: New York City has been recognized as the world's epicenter of the novel Coronavirus pandemic. To identify the key inherent factors that are highly correlated to the Increase Rate of COVID-19 new cases in NYC, we propose an unsupervised machine learning framework. Based on the assumption that ZIP code areas with similar demographic, socioeconomic, and mobility patterns are likely to experience similar outbreaks, we select the most relevant features to perform a clustering that can best reflect the spread, and map them down to 9 interpretable categories. We believe that our findings can guide policy makers to promptly anticipate and prevent the spread of the virus by taking the right measures.
• Abstract（参考訳）: ニューヨークは新型コロナウイルスのパンデミックの世界的な中心地と認識されている。 ニューヨークの新型コロナウイルス(covid-19)新規感染者の増加率と高い相関関係にある重要な要因を明らかにするため,教師なし機械学習フレームワークを提案する。 同様の人口統計,社会経済,移動パターンを持つZIPコード領域が同様のアウトブレイクを経験する可能性が高いという仮定に基づいて,クラスタリングを行う上で最も関連性の高い特徴を選択し,それらを9つの解釈可能なカテゴリに分類する。 適切な対策を講じることで、政策立案者が早期にウイルスの感染拡大を予測・防ぐことができると考えている。

関連論文リスト

• Bayesian Networks and Machine Learning for COVID-19 Severity Explanation and Demographic Symptom Classification [12.40025057417184]
  新型コロナウイルスの隠れた情報を蒸留する3段階のデータ駆動方式を提案する。 第1段階では、バイエルンネットワーク構造学習法を用いて、新型コロナウイルスの症状の因果関係を同定する。 第2段階として、アウトプットは教師なし機械学習(ML)アルゴリズムをトレーニングするための有用なガイドとして機能する。 最終段階は、クラスタリングから得られたラベルを活用して、人口統計学的症状識別モデルをトレーニングする。
  論文  参考訳（メタデータ） (2024-06-16T05:43:24Z)
• Evaluating COVID-19 vaccine allocation policies using Bayesian $m$-top exploration [53.122045119395594]
  マルチアーム・バンディット・フレームワークを用いてワクチンのアロケーション戦略を評価する新しい手法を提案する。 $m$-top Exploringにより、アルゴリズムは最高のユーティリティを期待する$m$ポリシーを学ぶことができる。 ベルギーのCOVID-19流行を個人モデルSTRIDEを用いて検討し、予防接種方針のセットを学習する。
  論文  参考訳（メタデータ） (2023-01-30T12:22:30Z)
• Adversarial Learning-based Stance Classifier for COVID-19-related Health Policies [14.558584240713154]
  本研究では、新型コロナウイルス関連健康政策に対する公衆の態度を自動的に識別する対人学習に基づくスタンス分類器を提案する。 モデルをより深く理解するために、モデルに外部知識としてポリシー記述を組み込む。 新型コロナウイルス関連健康政策のスタンス検出タスクにおいて,幅広い基準線の性能を評価する。
  論文  参考訳（メタデータ） (2022-09-10T10:27:21Z)
• The impact of spatio-temporal travel distance on epidemics using an interpretable attention-based sequence-to-sequence model [2.203043417301343]
  距離の異なる旅行者の数量と、新型コロナウイルス(COVID-19)の軌跡との間には、強い関係がある。 異なる移動距離における人口移動の地理的変動が流行のダイナミクスに与える影響を明らかにする。
  論文  参考訳（メタデータ） (2022-05-26T08:24:35Z)
• A k-mer Based Approach for SARS-CoV-2 Variant Identification [55.78588835407174]
  アミノ酸の順序を保つことで,分類器の精度が向上することを示す。 また,アメリカ疾病予防管理センター(CDC)が報告した,変異の同定に重要な役割を担っているアミノ酸の重要性も示した。
  論文  参考訳（メタデータ） (2021-08-07T15:08:15Z)
• Early Detection of COVID-19 Hotspots Using Spatio-Temporal Data [66.70036251870988]
  疾病予防管理センター(CDC)は他の連邦機関と協力して、新型コロナウイルス(COVID-19)の感染が増加する郡(ホットスポット)を特定する。 本稿では,米国における新型コロナウイルスホットスポットの早期発見のためのスパースモデルを提案する。 深層ニューラルネットワークは、カーネルの解釈可能性を維持しながらモデルの代表的なパワーを高めるために導入されている。
  論文  参考訳（メタデータ） (2021-05-31T19:28:17Z)
• C-Watcher: A Framework for Early Detection of High-Risk Neighborhoods Ahead of COVID-19 Outbreak [54.39837683016444]
  C-Watcherは、新型コロナウイルスの感染拡大に先立ち、対象都市のすべての地区を検査し、感染リスクを予測することを目指している。 C-WatcherはBaidu Mapsから大規模な人体移動データを収集し、都市移動パターンに基づいた一連の特徴を用いて市内のすべての住宅地区を特徴付ける。 新型コロナウイルスの感染拡大の初期段階における実データ記録を用いたC-Watcherの広範な実験を行った。
  論文  参考訳（メタデータ） (2020-12-22T17:02:54Z)
• 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)
• COVI White Paper [67.04578448931741]
  接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。 カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
  論文  参考訳（メタデータ） (2020-05-18T07:40:49Z)

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。