論文の概要: Using NASA Satellite Data Sources and Geometric Deep Learning to Uncover
Hidden Patterns in COVID-19 Clinical Severity
- arxiv url: http://arxiv.org/abs/2110.10849v1
- Date: Thu, 21 Oct 2021 01:48:59 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-22 18:19:36.033426
- Title: Using NASA Satellite Data Sources and Geometric Deep Learning to Uncover
Hidden Patterns in COVID-19 Clinical Severity
- Title(参考訳): NASAの衛星データソースと幾何学的深層学習を使って、新型コロナウイルスの重症度に隠れたパターンを発見
- Authors: Ignacio Segovia-Dominguez, Huikyo Lee, Zhiwei Zhen, Yuzhou Chen,
Michael Garay, Daniel Crichton, Rishabh Wagh, Yulia R. Gel
- Abstract要約: 我々は、エアロゾル光学深度(AOD)、温度、相対湿度に関するNASAの衛星データセットを、まだ広くは公開していない。
新型コロナウイルスのバイオサーベイランスにおけるこれらの新しいデータの有用性について論じる。
- 参考スコア(独自算出の注目度): 2.674111148591461
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: As multiple adverse events in 2021 illustrated, virtually all aspects of our
societal functioning -- from water and food security to energy supply to
healthcare -- more than ever depend on the dynamics of environmental factors.
Nevertheless, the social dimensions of weather and climate are noticeably less
explored by the machine learning community, largely, due to the lack of
reliable and easy access to use data. Here we present a unique not yet broadly
available NASA's satellite dataset on aerosol optical depth (AOD), temperature
and relative humidity and discuss the utility of these new data for COVID-19
biosurveillance. In particular, using the geometric deep learning models for
semi-supervised classification on a county-level basis over the contiguous
United States, we investigate the pressing societal question whether
atmospheric variables have considerable impact on COVID-19 clinical severity.
- Abstract(参考訳): 2021年に起きた複数の副作用が示すように、水や食料の安全、エネルギーの供給、医療など社会機能のほとんどすべての側面は、環境要因のダイナミクスに依存している。
それでも、天気と気候の社会的側面は、信頼性が高く、データへのアクセスが容易なため、機械学習コミュニティによって明らかに探検されていない。
ここでは、エアロゾル光学的深さ(aod)、温度、相対湿度に関するnasaの衛星データセットが広く利用できないユニークな特徴を示し、新型コロナウイルスのバイオサーベイランスにおけるこれらの新しいデータの有用性について論じる。
特に、アメリカ合衆国における郡レベルの半教師付き分類のための幾何学的深層学習モデルを用いて、大気変数が新型コロナウイルスの臨床重症度にかなりの影響を及ぼすかどうかという社会問題について検討した。
関連論文リスト
- Using Multi-Temporal Sentinel-1 and Sentinel-2 data for water bodies
mapping [40.996860106131244]
気候変動は極端な気象現象を激化させ、水不足と激しい降雨の予測不可能の両方を引き起こしている。
本研究の目的は,多様な気象条件下での総合的な水資源モニタリングに有用な知見を提供することである。
論文 参考訳(メタデータ) (2024-01-05T18:11:08Z) - SatBird: Bird Species Distribution Modeling with Remote Sensing and
Citizen Science Data [68.2366021016172]
本稿では,市民科学データベース eBird の観測データから得られたラベルを用いた,米国内の位置情報のサテライトデータセットである SatBird について述べる。
ケニアでは低データのレシエーションを表すデータセットも提供しています。
リモートセンシングタスクのためのSOTAモデルを含む、データセットのベースラインセットをベンチマークします。
論文 参考訳(メタデータ) (2023-11-02T02:00:27Z) - Unleashing Realistic Air Quality Forecasting: Introducing the
Ready-to-Use PurpleAirSF Dataset [4.190243190157989]
本稿では,PurpleAirネットワークからの包括的かつ容易にアクセス可能なデータセットであるPurpleAirSFを紹介する。
本稿では、PurpleAirSFの構築に使用されるデータ収集および処理方法の詳細について述べる。
従来の予測モデルと現代の予測モデルの両方を用いて予備実験を行い、将来の大気質予測タスクのベンチマークを作成する。
論文 参考訳(メタデータ) (2023-06-24T12:10:16Z) - Wild Face Anti-Spoofing Challenge 2023: Benchmark and Results [73.98594459933008]
顔認証システム(FAS)は、顔認識システムの完全性を保護するための重要なメカニズムである。
この制限は、公開可能なFASデータセットの不足と多様性の欠如に起因する可能性がある。
制約のない環境で収集された大規模で多様なFASデータセットであるWild Face Anti-Spoofingデータセットを紹介した。
論文 参考訳(メタデータ) (2023-04-12T10:29:42Z) - Super-Resolution of BVOC Maps by Adapting Deep Learning Methods [17.819699053848197]
生体内揮発性有機化合物(BVOC)は、生物圏-大気相互作用において重要な役割を果たす。
利用可能なほとんどのBVOCデータは、緩くスパースなサンプリンググリッドまたは小さな領域で得られる。
高解像度のBVOCデータは、大気質、大気化学、気候モニタリングなど多くの用途で望ましい。
論文 参考訳(メタデータ) (2023-02-15T10:21:38Z) - Climate Intervention Analysis using AI Model Guided by Statistical
Physics Principles [6.824166358727082]
変動散逸理論(FDT)として知られる統計物理学の原理を応用した新しい解法を提案する。
利用することで,地球系モデルによって生成された大規模なデータセットに符号化された情報を抽出することができる。
我々のモデルであるAiBEDOは、地球および地域表面の気候に対する放射摂動の複雑なマルチタイム効果を捉えることができる。
論文 参考訳(メタデータ) (2023-02-07T05:09:10Z) - Multi-scale Digital Twin: Developing a fast and physics-informed
surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。
U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。
並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
論文 参考訳(メタデータ) (2022-11-20T06:46:35Z) - Data-Efficient Learning via Minimizing Hyperspherical Energy [48.47217827782576]
本稿では,少数の代表データを用いたスクラッチからのデータ効率学習の問題について考察する。
我々は,MHEに基づくアクティブラーニング(MHEAL)アルゴリズムを提案し,MHEALの包括的な理論的保証を提供する。
論文 参考訳(メタデータ) (2022-06-30T11:39:12Z) - Augmented Convolutional LSTMs for Generation of High-Resolution Climate
Change Projections [1.7503398807380832]
統計的ダウンスケーリングのための補助的情報時空間ニューラルアーキテクチャを提案する。
現在の研究では、世界で最も気候的に多様化したインドにおいて、ESMの出力から1.15度 (115 km) から0.25度 (25 km) まで、毎日降水量のダウンスケーリングを行っている。
論文 参考訳(メタデータ) (2020-09-23T17:52:09Z) - Federated Learning in the Sky: Aerial-Ground Air Quality Sensing
Framework with UAV Swarms [53.38353133198842]
空気質は人間の健康に大きく影響し、空気質指数(AQI)の正確かつタイムリーな予測がますます重要になっている。
本稿では, 精密な3次元空気質モニタリングと予測を行うための, 新たなフェデレーション学習型地上空気質検知フレームワークを提案する。
地中センシングシステムでは, グラフ畳み込みニューラルネットワークを用いたLong Short-Term Memory (GC-LSTM) モデルを提案し, 高精度, リアルタイム, 将来的なAQI推論を実現する。
論文 参考訳(メタデータ) (2020-07-23T13:32:47Z) - 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)
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。