論文の概要: Robust non-parametric mortality and fertility modelling and forecasting:
Gaussian process regression approaches
- arxiv url: http://arxiv.org/abs/2102.09676v1
- Date: Thu, 18 Feb 2021 23:49:25 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-23 01:19:21.313464
- Title: Robust non-parametric mortality and fertility modelling and forecasting:
Gaussian process regression approaches
- Title（参考訳）: ロバストな非パラメトリック死亡と出生率モデリングと予測:ガウス過程回帰アプローチ
- Authors: Ka Kin Lam, Bo Wang
- Abstract要約: 社会福祉政策における意思決定には,人口動態の正確な予測モデルが重要である。
本稿では,自然立方体スプライン平均関数を用いたガウス過程回帰を用いた新しい非パラメトリック手法を提案する。
- 参考スコア（独自算出の注目度）: 3.450774887322348
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A rapid decline in mortality and fertility has become major issues in many
developed countries over the past few decades. A precise model for forecasting
demographic movements is important for decision making in social welfare
policies and resource budgeting among the government and many industry sectors.
This article introduces a novel non-parametric approach using Gaussian process
regression with a natural cubic spline mean function and a spectral mixture
covariance function for mortality and fertility modelling and forecasting.
Unlike most of the existing approaches in demographic modelling literature,
which rely on time parameters to decide the movements of the whole mortality or
fertility curve shifting from one year to another over time, we consider the
mortality and fertility curves from their components of all age-specific
mortality and fertility rates and assume each of them following a Gaussian
process over time to fit the whole curves in a discrete but intensive style.
The proposed Gaussian process regression approach shows significant
improvements in terms of preciseness and robustness compared to other
mainstream demographic modelling approaches in the short-, mid- and long-term
forecasting using the mortality and fertility data of several developed
countries in our numerical experiments.
- Abstract（参考訳）: 過去数十年間、多くの先進国で死亡率と出生率の急激な低下が大きな問題となっている。
人口動態を予測するための正確なモデルは、政府や多くの産業部門の社会福祉政策や資源予算の意思決定に重要です。
本稿では,自然立方体スプライン平均関数とスペクトル混合共分散関数を併用したガウス過程回帰を用いた新しい非パラメトリック手法を提案する。
人口モデル文学における既存のアプローチのほとんどは、死亡率または不妊率曲線全体の移動を時間とともに決定するために時間パラメータに依存しているが、我々はすべての年齢固有の死亡率および不妊率の成分からの死亡率および不妊率曲線を検討し、それらのそれぞれを時間の経過とともにガウス過程に従って、離散的で集中的なスタイルで全体の曲線に適合するように仮定する。
提案したガウス過程回帰法は,いくつかの先進国の死亡率と出生率データを用いた短期,中期,長期の予測において,他の主流人口統計モデルと比較して,精度と堅牢性において有意な改善が見られた。
関連論文リスト
- Targeted Maximum Likelihood Estimation for Integral Projection Models in Population Ecology [4.209594014085132]
積分射影モデルから導出した特性に対する頑健で効率的な推定器を開発する。
本研究はIdaho steppe plant communityとRotifer populationsの長期研究から得られた実データを用いて広範囲にわたるシミュレーションを行う。
論文 参考訳（メタデータ） (2024-11-12T19:56:05Z) - Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。
また,死亡率と臓器不全の関連性について有意な知見が得られた。
論文 参考訳（メタデータ） (2024-07-28T02:42:36Z) - Toward Reliable Human Pose Forecasting with Uncertainty [51.628234388046195]
我々は、複数のモデルを含む人間のポーズ予測のためのオープンソースのライブラリを開発し、複数のデータセットをサポートする。
我々は、パフォーマンスを高め、より良い信頼をもたらすために、問題の2つの不確実性を考案する。
論文 参考訳（メタデータ） (2023-04-13T17:56:08Z) - Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。
疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。
また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
論文 参考訳（メタデータ） (2022-07-19T16:15:11Z) - Random cohort effects and age groups dependency structure for mortality
modelling and forecasting: Mixed-effects time-series model approach [3.450774887322348]
本稿では, 死亡予測と死亡予測のための混合効果型時系列手法を提案する。
提案手法の能力は、実証的な男女死亡データを用いた2つの応用を通して実証される。
論文 参考訳（メタデータ） (2021-12-31T01:15:07Z) - Gaussian Process Nowcasting: Application to COVID-19 Mortality Reporting [2.8712862578745018]
計測過程の遅延による信号の観測の更新は、信号処理において一般的な問題である。
本稿では,報告時間遅延面に存在する自己相関構造の変化を記述可能な潜在ガウス過程を用いた柔軟なアプローチを提案する。
このアプローチは、現在予測されている死者数に対する不確実性の堅牢な推定も生み出す。
論文 参考訳（メタデータ） (2021-02-22T18:32:44Z) - Comparative Analysis of Machine Learning Approaches to Analyze and
Predict the Covid-19 Outbreak [10.307715136465056]
疫学領域における新型コロナウイルスの流行を予測するための機械学習(ML)アプローチの比較分析を行った。
これらの結果から,短期的政策の意思決定を支援するMLアルゴリズムの利点が明らかになった。
論文 参考訳（メタデータ） (2021-02-11T11:57:33Z) - 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) - A self-supervised neural-analytic method to predict the evolution of
COVID-19 in Romania [10.760851506126105]
我々は、感染症の古典的な確立されたモデルであるSEIRの改良版を使用している。
本稿では,修正SEIRモデルパラメータの正しいセットを推定するために,深層畳み込みネットワークを訓練するための自己教師型アプローチを提案する。
ルーマニアの死亡率が約0.3%である場合、楽観的な結果が得られ、我々のモデルが今後最大3週間の日々の死亡数を正確に予測できることを示した。
論文 参考訳（メタデータ） (2020-06-23T12:00:04Z) - A General Framework for Survival Analysis and Multi-State Modelling [70.31153478610229]
ニューラル常微分方程式を多状態生存モデル推定のためのフレキシブルで一般的な方法として用いる。
また,本モデルでは,サバイバルデータセット上での最先端性能を示すとともに,マルチステート環境での有効性を示す。
論文 参考訳（メタデータ） (2020-06-08T19:24:54Z) - Survival Cluster Analysis [93.50540270973927]
異なるリスクプロファイルを持つサブポピュレーションを特定するために、生存分析には未解決の必要性がある。
このニーズに対処するアプローチは、個々の成果のキャラクタリゼーションを改善する可能性が高い。
論文 参考訳（メタデータ） (2020-02-29T22:41:21Z)
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。