Fugu-MT 論文翻訳(概要): COVID-19 cases prediction using regression and novel SSM model for non-converged countries

論文の概要: COVID-19 cases prediction using regression and novel SSM model for non-converged countries

arxiv url: http://arxiv.org/abs/2106.12888v1
Date: Fri, 4 Jun 2021 13:02:08 GMT
ステータス: 処理完了
システム内更新日: 2021-06-27 12:08:23.951783
Title: COVID-19 cases prediction using regression and novel SSM model for non-converged countries
Title（参考訳）: 非収束国における回帰モデルと新しいssmモデルを用いたcovid-19症例予測
Authors: Tushar Sarkar, Umang Patel, Rupali Patil
Abstract要約: 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。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Anticipating the quantity of new associated or affirmed cases with novel coronavirus ailment 2019 (COVID-19) is critical in the counteraction and control of the COVID-19 flare-up. The new associated cases with COVID-19 information were gathered from 20 January 2020 to 21 July 2020. We filtered out the countries which are converging and used those for training the network. We utilized the SARIMAX, Linear regression model to anticipate new suspected COVID-19 cases for the countries which did not converge yet. We predict the curve of non-converged countries with the help of proposed Statistical SARIMAX model (SSM). We present new information investigation-based forecast results that can assist governments with planning their future activities and help clinical administrations to be more ready for what's to come. Our framework can foresee peak corona cases with an R-Squared value of 0.986 utilizing linear regression and fall of this pandemic at various levels for countries like India, US, and Brazil. We found that considering more countries for training degrades the prediction process as constraints vary from nation to nation. Thus, we expect that the outcomes referenced in this work will help individuals to better understand the possibilities of this pandemic.
Abstract（参考訳）: 新型コロナウイルス(covid-19)の感染拡大は、新型コロナウイルスの感染拡大と対策に欠かせない。新型ウイルスに関する情報は2020年1月20日から7月21日まで行われた。私たちは、ネットワークのトレーニングにそれらを集約して使用している国をフィルタリングしました。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。提案した統計SARIMAXモデル(SSM)を用いて,非収束国の曲線を予測する。我々は,今後の活動計画を支援する新たな情報調査に基づく予測結果を提示し,臨床行政が今後に向けてより準備が整うよう支援する。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崩壊を利用したR-Squared値0.986のピークコロナ症例を予測できる。訓練対象国数の増加を考えると,制約が国によって異なるため,予測過程が低下することがわかった。したがって、この研究で言及された結果は、個人がパンデミックの可能性をよりよく理解するのに役立ちそうです。

関連論文リスト

COVIDHunter: COVID-19 pandemic wave prediction and mitigation via seasonality-aware modeling [11.423326973456437]
我々は、柔軟で正確な新型コロナウイルス感染シミュレーションモデルであるCOVIDHunterを紹介した。新型コロナウイルスによる毎日の感染者数、入院数、死亡数を予測する。ケーススタディでは、2022年1月26日にピークとなる、致命的な新しい波を経験していると見積もられています。
論文参考訳（メタデータ） (2022-06-14T08:48:13Z)
Modeling the geospatial evolution of COVID-19 using spatio-temporal convolutional sequence-to-sequence neural networks [48.7576911714538]
ポルトガルは世界最大の発生率を持つ国であり、人口10万人当たりの14日間の発生率が1000を超える。その重要性にもかかわらず、covid-19の地理空間的進化の正確な予測は依然として課題である。
論文参考訳（メタデータ） (2021-05-06T15:24:00Z)
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)
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)
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)
CovidDeep: SARS-CoV-2/COVID-19 Test Based on Wearable Medical Sensors and Efficient Neural Networks [51.589769497681175]
新型コロナウイルス(SARS-CoV-2)がパンデミックを引き起こしている。 SARS-CoV-2の逆転写-ポリメラーゼ連鎖反応に基づく現在の試験体制は、試験要求に追いついていない。我々は,効率的なDNNと市販のWMSを組み合わせたCovidDeepというフレームワークを提案する。
論文参考訳（メタデータ） (2020-07-20T21:47:28Z)
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)
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)
Flattening the curves: on-off lock-down strategies for COVID-19 with an application to Brazi [0.0]
この研究は、新型コロナウイルス(COVID-19)が最も研究の浅い国、ブラジルにどのように影響するかをよりよく理解しようと試みている。ブラジルのいくつかの州はロックダウン状態です。この研究は、そのような終了がウイルスの局所的な進化に与える影響を考察する。
論文参考訳（メタデータ） (2020-04-15T07:37:08Z)
Mapping the Landscape of Artificial Intelligence Applications against COVID-19 [59.30734371401316]
世界保健機関(WHO)は、SARS-CoV-2ウイルスによる新型コロナウイルスの感染をパンデミックと宣言した。我々は、機械学習と、より広範に、人工知能を用いた最近の研究の概要を、新型コロナウイルス危機の多くの側面に取り組むために提示する。
論文参考訳（メタデータ） (2020-03-25T12:30:33Z)

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。