論文の概要: Machine learning approaches for localized lockdown during COVID-19: a
case study analysis
- arxiv url: http://arxiv.org/abs/2201.00715v1
- Date: Mon, 3 Jan 2022 15:32:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-04 15:31:40.637271
- Title: Machine learning approaches for localized lockdown during COVID-19: a
case study analysis
- Title（参考訳）: 新型コロナウイルス(covid-19)の局所的ロックダウンのための機械学習アプローチ : ケーススタディ分析
- Authors: Sara Malvar and Julio Romano Meneghini
- Abstract要約: Sars-CoV-2は、世界的なパンデミックとなった重要な急性呼吸器疾患として登場した。
ブラジルは、国家と自治体の社会経済的差異が大きいため、ウイルス対策に苦慮している。
本研究では,ブラジルの新型コロナウイルスデータに適用したさまざまな機械学習アルゴリズムとディープラーニングアルゴリズムを用いた新しいアプローチを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: At the end of 2019, the latest novel coronavirus Sars-CoV-2 emerged as a
significant acute respiratory disease that has become a global pandemic.
Countries like Brazil have had difficulty in dealing with the virus due to the
high socioeconomic difference of states and municipalities. Therefore, this
study presents a new approach using different machine learning and deep
learning algorithms applied to Brazilian COVID-19 data. First, a clustering
algorithm is used to identify counties with similar sociodemographic behavior,
while Benford's law is used to check for data manipulation. Based on these
results we are able to correctly model SARIMA models based on the clusters to
predict new daily cases. The unsupervised machine learning techniques optimized
the process of defining the parameters of the SARIMA model. This framework can
also be useful to propose confinement scenarios during the so-called second
wave. We have used the 645 counties from S\~ao Paulo state, the most populous
state in Brazil. However, this methodology can be used in other states or
countries. This paper demonstrates how different techniques of machine
learning, deep learning, data mining and statistics can be used together to
produce important results when dealing with pandemic data. Although the
findings cannot be used exclusively to assess and influence policy decisions,
they offer an alternative to the ineffective measures that have been used.
- Abstract（参考訳）: 2019年末、新型コロナウイルスのサルスCoV-2が急性呼吸器疾患として流行し、世界的なパンデミックとなった。
ブラジルなどの国々は、国家と自治体の社会経済的差異が大きいため、ウイルス対策に苦慮している。
そこで本研究では,ブラジルの新型コロナウイルスデータに適用したさまざまな機械学習アルゴリズムとディープラーニングアルゴリズムを用いた新しいアプローチを提案する。
第一に、クラスタリングアルゴリズムは類似のソシオデマトグラフィー行動を持つ郡を識別するために使用され、ベンフォードの法則はデータ操作をチェックするために用いられる。
これらの結果に基づいて、クラスタに基づいてSARIMAモデルを正しくモデル化し、新たな日常ケースを予測する。
教師なし機械学習技術はSARIMAモデルのパラメータを定義するプロセスを最適化した。
このフレームワークは、いわゆる第2波における閉じ込めシナリオの提案にも有用である。
我々はブラジルで最も人口の多い州であるサンパウロ州から645の郡を使用した。
しかし、この手法は他の国や国でも使用できる。
本稿では,機械学習,ディープラーニング,データマイニング,統計といったさまざまな手法を併用して,パンデミックデータを扱う上で重要な結果を生み出す方法を示す。
この発見は政策決定の評価と影響にのみ用いられるものではないが、これまで使用されてきた非効果的な措置の代替手段を提供する。
関連論文リスト
- Federated Learning Enables Big Data for Rare Cancer Boundary Detection [98.5549882883963]
6大陸にわたる71の医療機関のデータを含む,これまでで最大のフェデレーテッドML研究の結果を報告する。
グリオ芽腫の稀な疾患に対する腫瘍境界自動検出装置を作製した。
当科では, 外科的に標的とした腫瘍の悪性度を高めるために, 33%の改善率を示し, 腫瘍全体に対する23%の改善率を示した。
論文 参考訳（メタデータ） (2022-04-22T17:27:00Z) - Practical Challenges in Differentially-Private Federated Survival
Analysis of Medical Data [57.19441629270029]
本稿では,ニューラルネットワークの本質的特性を活用し,生存分析モデルの訓練過程を関連づける。
小さな医療データセットと少数のデータセンターの現実的な設定では、このノイズはモデルを収束させるのが難しくなります。
DPFed-post は,私的フェデレート学習方式に後処理の段階を追加する。
論文 参考訳（メタデータ） (2022-02-08T10:03:24Z) - Predicting Zip Code-Level Vaccine Hesitancy in US Metropolitan Areas
Using Machine Learning Models on Public Tweets [10.45742327204133]
過去1年間に収集された公開Twitterデータを用いて,方法論と実験的検討を行った。
我々のゴールは、新しい機械学習アルゴリズムを考案することではなく、既存のモデルと確立されたモデルを比較フレームワークで評価することである。
論文 参考訳（メタデータ） (2021-08-03T18:43:46Z) - Can Self Reported Symptoms Predict Daily COVID-19 Cases? [12.029443053416399]
機械学習モデルを開発し、自己報告症状を用いてCOVID-19の流行を推定する。
その結果,グローバルモデルとは対照的に,局所モデルに対する誤差が低かった。
この研究は、オンラインプラットフォームを介して収集されたクラウドソースデータに基づいて開発されたモデルが、既存の疫学的監視インフラストラクチャを補完できることを示しています。
論文 参考訳（メタデータ） (2021-05-18T07:26:09Z) - 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) - Modelling the COVID-19 virus evolution with Incremental Machine Learning [0.6747153903267225]
最先端の機械学習アルゴリズムとオンラインのインクリメンタルな機械学習アルゴリズムを比較して、病気の拡散の日々の変化に適応させる。
その結果、インクリメンタルメソッドは、時間とともに疾患の変化に適応するための有望なアプローチであることがわかった。
論文 参考訳（メタデータ） (2021-04-14T16:08:35Z) - 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) - 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) - 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) - 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) - Neural network based country wise risk prediction of COVID-19 [12.500738729507676]
新型コロナウイルスの世界的な感染拡大を受け、研究コミュニティに新たな課題が開かれている。
本稿では,国家のリスクカテゴリを予測するために,LSTMに基づくニューラルネットワークを提案する。
その結果,提案パイプラインは180か国のデータに対して最先端の手法よりも優れていた。
論文 参考訳（メタデータ） (2020-03-31T20:03:10Z)
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。