論文の概要: Neural Networks for Dengue Prediction: A Systematic Review
- arxiv url: http://arxiv.org/abs/2106.12905v1
- Date: Tue, 22 Jun 2021 20:01:31 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-25 14:53:42.623428
- Title: Neural Networks for Dengue Prediction: A Systematic Review
- Title（参考訳）: デング予測のためのニューラルネットワーク:体系的レビュー
- Authors: Kirstin Roster and Francisco A. Rodrigues
- Abstract要約: デングの早期予測は病気の予防に重要なツールである。
本稿では,デング予測に関連するニューラルネットワークについて紹介する。
目標は、将来の作業のためにモデル設計を知らせることである。
- 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: Due to a lack of treatments and universal vaccine, early forecasts of Dengue
are an important tool for disease control. Neural networks are powerful
predictive models that have made contributions to many areas of public health.
In this systematic review, we provide an introduction to the neural networks
relevant to Dengue forecasting and review their applications in the literature.
The objective is to help inform model design for future work. Following the
PRISMA guidelines, we conduct a systematic search of studies that use neural
networks to forecast Dengue in human populations. We summarize the relative
performance of neural networks and comparator models, model architectures and
hyper-parameters, as well as choices of input features. Nineteen papers were
included. Most studies implement shallow neural networks using historical
Dengue incidence and meteorological input features. Prediction horizons tend to
be short. Building on the strengths of neural networks, most studies use
granular observations at the city or sub-national level. Performance of neural
networks relative to comparators such as Support Vector Machines varies across
study contexts. The studies suggest that neural networks can provide good
predictions of Dengue and should be included in the set of candidate models.
The use of convolutional, recurrent, or deep networks is relatively unexplored
but offers promising avenues for further research, as does the use of a broader
set of input features such as social media or mobile phone data.
- Abstract（参考訳）: 治療や普遍ワクチンが不足しているため、デングの早期予測は疾患管理の重要なツールである。
ニューラルネットワークは、公衆衛生の多くの領域に貢献する強力な予測モデルである。
本稿では,デング予測に関連するニューラルネットワークについて概説し,その応用例を文献で概説する。
目標は、将来の作業のためにモデル設計を知らせることである。
PRISMAガイドラインに従って、ニューラルネットワークを用いて人口のデングを予測する研究を体系的に検索する。
本稿では,ニューラルネットワークとコンパレータモデル,モデルアーキテクチャ,ハイパーパラメータの相対的性能と入力特徴の選択を要約する。
19の論文が収録された。
ほとんどの研究では、デング入射履歴と気象入力特徴を用いた浅層ニューラルネットワークを実装している。
予測の地平線は短い傾向がある。
ニューラルネットワークの強みに基づいて、ほとんどの研究は都市や準国家レベルでの粒度観測を用いている。
サポートベクターマシンなどのコンパレータに対するニューラルネットワークのパフォーマンスは、研究コンテキストによって異なる。
これらの研究は、ニューラルネットワークがデングの優れた予測を提供し、候補モデルに含めるべきであることを示唆している。
畳み込み、リカレント、ディープネットワークの使用は、比較的探索されていないが、ソーシャルメディアや携帯電話データといった幅広い入力機能の使用と同様に、さらなる研究のための有望な道を提供する。
関連論文リスト
- Deception Detection from Linguistic and Physiological Data Streams Using Bimodal Convolutional Neural Networks [19.639533220155965]
本稿では,畳み込み型ニューラルネットワークのマルチモーダルな騙し検出への応用について検討する。
2つのトピックについて104人の被験者にインタビューして構築したデータセットを使用します。
論文 参考訳（メタデータ） (2023-11-18T02:44:33Z) - NCTV: Neural Clamping Toolkit and Visualization for Neural Network
Calibration [66.22668336495175]
ニューラルネットワークのキャリブレーションに対する考慮の欠如は、人間から信頼を得ることはないだろう。
我々はNeural Clamping Toolkitを紹介した。これは開発者が最先端のモデルに依存しないキャリブレーションモデルを採用するのを支援するために設計された最初のオープンソースフレームワークである。
論文 参考訳（メタデータ） (2022-11-29T15:03:05Z) - Learning to Learn with Generative Models of Neural Network Checkpoints [71.06722933442956]
ニューラルネットワークのチェックポイントのデータセットを構築し,パラメータの生成モデルをトレーニングする。
提案手法は,幅広い損失プロンプトに対するパラメータの生成に成功している。
我々は、教師付きおよび強化学習における異なるニューラルネットワークアーキテクチャとタスクに本手法を適用した。
論文 参考訳（メタデータ） (2022-09-26T17:59:58Z) - Consistency of Neural Networks with Regularization [0.0]
本稿では,ニューラルネットワークの規則化による一般的な枠組みを提案し,その一貫性を実証する。
双曲関数(Tanh)と整形線形単位(ReLU)の2種類の活性化関数が検討されている。
論文 参考訳（メタデータ） (2022-06-22T23:33:39Z) - Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。
データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
論文 参考訳（メタデータ） (2022-02-01T17:11:13Z) - POPPINS : A Population-Based Digital Spiking Neuromorphic Processor with
Integer Quadratic Integrate-and-Fire Neurons [50.591267188664666]
2つの階層構造を持つ180nmプロセス技術において,集団に基づくディジタルスパイキングニューロモルフィックプロセッサを提案する。
提案手法は,生体模倣型ニューロモルフィックシステム,低消費電力,低遅延推論処理アプリケーションの開発を可能にする。
論文 参考訳（メタデータ） (2022-01-19T09:26:34Z) - The Neural Coding Framework for Learning Generative Models [91.0357317238509]
本稿では,脳の予測処理理論に触発された新しい神経生成モデルを提案する。
同様に、私たちの生成モデルにおける人工ニューロンは、隣接するニューロンが何をするかを予測し、予測が現実にどの程度一致するかに基づいてパラメータを調整します。
論文 参考訳（メタデータ） (2020-12-07T01:20:38Z) - Deep Neural Networks and Neuro-Fuzzy Networks for Intellectual Analysis
of Economic Systems [0.0]
本稿では,ディープニューラルネットワークとニューロファジィネットに基づく時系列予測手法を提案する。
本稿では,ルールベースの方法論をディープラーニングニューラルネットワークに組み込むためのアプローチについても概説する。
論文 参考訳（メタデータ） (2020-11-11T06:21:08Z) - Domain Generalization for Medical Imaging Classification with
Linear-Dependency Regularization [59.5104563755095]
本稿では,医用画像分類分野におけるディープニューラルネットワークの一般化能力向上のための,シンプルだが効果的なアプローチを提案する。
医用画像の領域変数がある程度コンパクトであることに感銘を受けて,変分符号化による代表的特徴空間の学習を提案する。
論文 参考訳（メタデータ） (2020-09-27T12:30:30Z) - SOCRATES: Towards a Unified Platform for Neural Network Analysis [7.318255652722096]
ニューラルネットワークを解析する技術を開発するための統一的なフレームワークの構築を目指している。
我々は、様々なニューラルネットワークモデルの標準化フォーマットをサポートするSOCRATESと呼ばれるプラットフォームを開発する。
実験の結果,我々のプラットフォームは幅広いネットワークモデルや特性を扱えることがわかった。
論文 参考訳（メタデータ） (2020-07-22T05:18:57Z) - Consistent feature selection for neural networks via Adaptive Group
Lasso [3.42658286826597]
ニューラルネットワークの重要な特徴を選択するための適応型グループの使用に関する理論的保証を提案し,確立する。
具体的には,1つの隠蔽層と双曲的タンジェント活性化関数を持つ単一出力フィードフォワードニューラルネットワークに対して,特徴選択法が整合であることを示す。
論文 参考訳（メタデータ） (2020-05-30T18:50:56Z)
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。