論文の概要: Unsupervised learning for economic risk evaluation in the context of
Covid-19 pandemic
- arxiv url: http://arxiv.org/abs/2011.13350v1
- Date: Thu, 26 Nov 2020 15:31:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-20 12:34:57.328072
- Title: Unsupervised learning for economic risk evaluation in the context of
Covid-19 pandemic
- Title（参考訳）: Covid-19パンデミックにおける経済リスク評価のための教師なし学習
- Authors: Santiago Cortes and Yullys M. Quintero
- Abstract要約: この研究は、同様の健康ポリシーを実装するべき領域を特定するための機械学習アプローチを提案することを目的としている。
我々は,新たな事例の予測から,経済的影響の概念を提示するシステムの開発に成功した。
このシステムはコロンビアのCOVID-19のシミュレーションとデータ分析のためのWebアプリケーションの一部としてデプロイされた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Justifying draconian measures during the Covid-19 pandemic was difficult not
only because of the restriction of individual rights, but also because of its
economic impact. The objective of this work is to present a machine learning
approach to identify regions that should implement similar health policies. For
that end, we successfully developed a system that gives a notion of economic
impact given the prediction of new incidental cases through unsupervised
learning and time series forecasting. This system was built taking into account
computational restrictions and low maintenance requirements in order to improve
the system's resilience. Finally this system was deployed as part of a web
application for simulation and data analysis of COVID-19, in Colombia,
available at (https://covid19.dis.eafit.edu.co).
- Abstract（参考訳）: 新型コロナウイルス(COVID-19)パンデミックにおけるドラコニア対策の正当化は、個人の権利の制限だけでなく、経済への影響によっても困難であった。
この研究の目的は、同様の健康政策を実施するべき地域を特定するための機械学習アプローチを提供することである。
そこで我々は,教師なし学習と時系列予測を通じて,新たな事例の予測を考慮し,経済的影響の概念を提示するシステムを開発した。
このシステムは、システムのレジリエンスを改善するために、計算上の制約と低いメンテナンス要件を考慮して構築された。
最後に、このシステムはコロンビアのCOVID-19のシミュレーションとデータ分析のためのWebアプリケーションの一部としてデプロイされた(https://covid19.dis.eafit.edu.co)。
関連論文リスト
- Graph Transductive Defense: a Two-Stage Defense for Graph Membership Inference Attacks [50.19590901147213]
グラフニューラルネットワーク(GNN)は、さまざまな現実世界のアプリケーションにおいて、強力なグラフ学習機能を提供する。
GNNは、メンバーシップ推論攻撃(MIA)を含む敵攻撃に対して脆弱である
本稿では,グラフトランスダクティブ学習特性に合わせて,グラフトランスダクティブ・ディフェンス(GTD)を提案する。
論文 参考訳（メタデータ） (2024-06-12T06:36:37Z) - Strategically Conservative Q-Learning [89.17906766703763]
オフライン強化学習(RL)は、RLの実用性を拡張するための魅力的なパラダイムである。
オフラインRLの最大の難しさは、オフ・オブ・ディストリビューション(OOD)アクションに遭遇する際の近似誤差の影響を緩和することである。
本稿では, 予測が容易かつ困難であるOODデータを識別する, SCQ(Strategical conservative Q-Learning) という新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2024-06-06T22:09:46Z) - A Data-Driven Predictive Analysis on Cyber Security Threats with Key Risk Factors [1.715270928578365]
本稿では、社会経済的要因を分析して、サイバー攻撃の犠牲者となる可能性のある個人を予測するための機械学習(ML)に基づくモデルを示す。
我々は,20個の特徴量(95.95%)で最大精度を達成した新しい特徴量ランダムフォレスト(RF)モデルを提案する。
我々は10の重要な関連ルールを生成し、実世界のデータセットで厳格に評価されたフレームワークを提示した。
論文 参考訳（メタデータ） (2024-03-28T09:41:24Z) - A generalized forecasting solution to enable future insights of COVID-19
at sub-national level resolutions [0.0]
本研究は、封じ込め対策を局所的に実施可能な地域において、毎日の新型コロナウイルスの新規感染者を予測することを目的としている。
本研究の貢献は,その領域の疫学的ダイナミクスに基づく非決定論的エピ曲線のスムーズ化に最適化されたスムーズ化技術,特定領域のデータを用いてトレーニングした長短短期記憶に基づく予測モデル,およびエピ曲線に見られるデータ不均衡を緩和するトレーニング中の適応的損失関数である。
論文 参考訳（メタデータ） (2021-08-21T17:47:52Z) - Building a Foundation for Data-Driven, Interpretable, and Robust Policy
Design using the AI Economist [67.08543240320756]
AIエコノミストフレームワークは,2段階強化学習とデータ駆動型シミュレーションを用いて,効果的な,柔軟な,解釈可能なポリシー設計を可能にする。
RLを用いて訓練されたログリニア政策は、過去の結果と比較して、公衆衛生と経済の両面から社会福祉を著しく改善することがわかった。
論文 参考訳（メタデータ） (2021-08-06T01:30:41Z) - COVID-19 cases prediction using regression and novel SSM model for
non-converged countries [0.0]
2020年1月20日から7月21日まで、新たに新型コロナウイルスに関する情報が収集された。
収束していない国では,SARIMAX,線形回帰モデルを用いて新たな新型コロナウイルス感染者を予想した。
本フレームワークは,インド,米国,ブラジルなどの各国において,このパンデミックの線形回帰と転倒を利用したR-Squared値0.986のピークコロナ症例を予測できる。
論文 参考訳（メタデータ） (2021-06-04T13:02:08Z) - Incorporating Expert Guidance in Epidemic Forecasting [79.91855362871496]
AIセーフティによるセルドニアン最適化フレームワークを活用した新しいアプローチを提案します。
円滑性と誤りの地域整合性という2種類のガイダンスについて検討する。
その定式化に成功することにより、望ましくない行動が起こる確率を拘束できるだけでなく、テストデータのRMSEを最大17%削減することができることを示しています。
論文 参考訳（メタデータ） (2020-12-24T06:21:53Z) - Machine learning spatio-temporal epidemiological model to evaluate
Germany-county-level COVID-19 risk [26.228330223358952]
我々は,感染データから流行動態を抽出するための機械支援フレームワークを開発した。
この新しいツールボックスは、ドイツで412のランドクライス(国)にまたがる多水準のCO-19流行の予測に最初に利用された。
実用上、最悪の死者が35万人であるクリスマスの状況を予測し、効果的な政策は2万人未満に抑える可能性がある。
論文 参考訳（メタデータ） (2020-11-30T20:17:19Z) - Controlling the Outbreak of COVID-19: A Noncooperative Game Perspective [61.558752620308134]
孤立と社会的距離は、このパンデミックを抑える効果的な予防措置のようだ。
我々は、新型コロナウイルスの感染拡大を防ぐために、社会的距離を維持するためのインセンティブを提供する非協力型ゲームを提案する。
数値的な結果は、個人のインセンティブが85%以上増加し、家庭隔離の割合が増加することを示している。
論文 参考訳（メタデータ） (2020-07-27T04:28:32Z) - From Prediction to Prescription: Evolutionary Optimization of
Non-Pharmaceutical Interventions in the COVID-19 Pandemic [19.477459618274025]
新型コロナウイルスのパンデミックの広がりを予測するために、いくつかのモデルが開発されている。
本稿では,進化的AIを用いて次のステップ,すなわち最も効果的な介入戦略を決定する方法を示す。
論文 参考訳（メタデータ） (2020-05-28T03:43:31Z) - A Deep Q-learning/genetic Algorithms Based Novel Methodology For
Optimizing Covid-19 Pandemic Government Actions [63.669642197519934]
我々はSEIR疫学モデルを用いて、人口の時間とともにウイルスウイルスの進化を表現している。
報酬システムにより、アクションのシーケンス(統合、自己同化、二メートル距離、制限を取らない)を評価する。
どちらの意味でも、パンデミックの悪影響を抑えるために政府が取るべき行動を発見する上で、我々の方法論が有効な手段であることを実証する。
論文 参考訳（メタデータ） (2020-05-15T17:17:45Z)
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。