Fugu-MT 論文翻訳(概要): Surveillance of COVID-19 Pandemic using Hidden Markov Model

論文の概要: Surveillance of COVID-19 Pandemic using Hidden Markov Model

arxiv url: http://arxiv.org/abs/2008.07609v1
Date: Fri, 14 Aug 2020 05:45:34 GMT
ステータス: 処理完了
システム内更新日: 2022-10-30 17:11:09.900574
Title: Surveillance of COVID-19 Pandemic using Hidden Markov Model
Title（参考訳）: 隠れマルコフモデルを用いたCOVID-19パンデミックのサーベイランス
Authors: Shreekanth M. Prabhu and Natarajan Subramaniam
Abstract要約: 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。
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 pandemic has brought the whole world to a stand-still over the last few months. In particular the pace at which pandemic has spread has taken everybody off-guard. The Governments across the world have responded by imposing lock-downs, stopping/restricting travel and mandating social distancing. On the positive side there is wide availability of information on active cases, recoveries and deaths collected daily across regions. However, what has been particularly challenging is to track the spread of the disease by asymptomatic carriers termed as super-spreaders. In this paper we look at applying Hidden Markov Model to get a better assessment of extent of spread. The outcome of such analysis can be useful to Governments to design the required interventions/responses in a calibrated manner. The data we have chosen to analyze pertains to Indian scenario.
Abstract（参考訳）: 新型コロナウイルス(COVID-19)のパンデミックは、ここ数カ月で世界中で停滞している。特にパンデミックが拡大するペースは、全員を警戒から遠ざけてきた。世界中の政府は、ロックダウンの実施、旅行の停止と制限、社会的距離の強制などに対応している。正の面では、活動的な症例、回復状況、死亡状況に関する情報が地域ごとに幅広く収集されている。しかし、特に困難なのは、スーパースプレッダーと呼ばれる無症状キャリアによる病気の拡散を追跡することである。本稿では,拡散の程度をよりよく評価するために隠れマルコフモデルを適用することを検討する。このような分析の結果は、政府が必要な介入/応答を校正的に設計するのに有用である。私たちが分析に選んだデータはインドのシナリオに関するものです。

関連論文リスト

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)
"COVID-19 was a FIFA conspiracy #curropt": An Investigation into the Viral Spread of COVID-19 Misinformation [60.268682953952506]
我々は、自然言語処理モデルを用いて、誤報がCOVID-19パンデミックの進行にどのような影響を及ぼしたかを推定する。我々は、広範囲に害をもたらす可能性のあるソーシャルメディアポストと戦うための戦略を提供する。
論文参考訳（メタデータ） (2022-06-12T19:41:01Z)
Can Self Reported Symptoms Predict Daily COVID-19 Cases? [12.029443053416399]
機械学習モデルを開発し、自己報告症状を用いてCOVID-19の流行を推定する。その結果,グローバルモデルとは対照的に,局所モデルに対する誤差が低かった。この研究は、オンラインプラットフォームを介して収集されたクラウドソースデータに基づいて開発されたモデルが、既存の疫学的監視インフラストラクチャを補完できることを示しています。
論文参考訳（メタデータ） (2021-05-18T07:26:09Z)
Misinformation, Believability, and Vaccine Acceptance Over 40 Countries: Takeaways From the Initial Phase of The COVID-19 Infodemic [11.737540072863405]
本報告では,世界規模でのCOVID-19インフォデミックへの感染状況について調査した。誤報の認識と予防接種難易度との間には,強い関連性があることが判明した。本研究は, インフォデミックの影響を受けやすい国に, 正確な情報を積極的に広める公共キャンペーンにおいて, 本研究がもたらす意味について論じる。
論文参考訳（メタデータ） (2021-04-22T05:09:25Z)
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)
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)
Understanding the temporal evolution of COVID-19 research through machine learning and natural language processing [66.63200823918429]
重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
論文参考訳（メタデータ） (2020-07-22T18:02:39Z)
Effectiveness and Compliance to Social Distancing During COVID-19 [72.94965109944707]
われわれは、米国内での新型コロナウイルスの感染拡大に対する在宅勤務注文の影響を評価するために、詳細なモビリティデータを用いている。一方向性グランガー因果性(一方向性グランガー因果性)は、家庭で毎日過ごす時間の割合の中央値から、2週間の遅れを伴うCOVID-19関連死亡件数の日数までである。
論文参考訳（メタデータ） (2020-06-23T03:36:19Z)
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)

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。