Fugu-MT 論文翻訳(概要): FWin transformer for dengue prediction under climate and ocean influence

論文の概要: FWin transformer for dengue prediction under climate and ocean influence

arxiv url: http://arxiv.org/abs/2403.07027v1
Date: Sun, 10 Mar 2024 19:20:55 GMT
ステータス: 処理完了
システム内更新日: 2024-03-14 00:13:49.473984
Title: FWin transformer for dengue prediction under climate and ocean influence
Title（参考訳）: 気候・海洋影響を考慮したデング予測のためのfwin変圧器
Authors: Nhat Thanh Tran, Jack Xin, Guofa Zhou
Abstract要約: デング熱は最も致命的な蚊由来の熱帯感染症の1つである。本研究では,長期予測のためのデング症例の予測法について検討した。
参考スコア（独自算出の注目度）: 1.6114012813668932
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Dengue fever is one of the most deadly mosquito-born tropical infectious diseases. Detailed long range forecast model is vital in controlling the spread of disease and making mitigation efforts. In this study, we examine methods used to forecast dengue cases for long range predictions. The dataset consists of local climate/weather in addition to global climate indicators of Singapore from 2000 to 2019. We utilize newly developed deep neural networks to learn the intricate relationship between the features. The baseline models in this study are in the class of recent transformers for long sequence forecasting tasks. We found that a Fourier mixed window attention (FWin) based transformer performed the best in terms of both the mean square error and the maximum absolute error on the long range dengue forecast up to 60 weeks.
Abstract（参考訳）: デング熱は最も致命的な蚊由来の熱帯感染症の1つである。詳細な長距離予測モデルは、病気の拡散の制御と緩和の努力に不可欠である。本研究では,長期予測のためのデング症例の予測法について検討した。このデータセットは、2000年から2019年までのシンガポールの気候指標に加え、現地の気候と天候で構成されている。新たに開発したディープニューラルネットワークを用いて,特徴間の複雑な関係を学習する。本研究のベースラインモデルは,近年の長周期予測タスクにおける変圧器のクラスである。その結果,FWinをベースとしたFourier Mixed window attention (FWin) 変換器は,長範囲デング予測における平均二乗誤差と最大絶対誤差の両方において,最大60週間の精度で最高の性能を示した。

関連論文リスト

Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
論文参考訳（メタデータ） (2024-04-26T16:39:50Z)
Residual Corrective Diffusion Modeling for Km-scale Atmospheric Downscaling [58.456404022536425]
気象・気候からの物理的危険予知技術の現状には、粗い解像度のグローバルな入力によって駆動される高価なkmスケールの数値シミュレーションが必要である。ここでは、コスト効率のよい機械学習代替手段として、このようなグローバルな入力をkmスケールにダウンスケールするために、生成拡散アーキテクチャを探索する。このモデルは、台湾上空の地域気象モデルから2kmのデータを予測するために訓練され、世界25kmの再解析に基づいている。
論文参考訳（メタデータ） (2023-09-24T19:57:22Z)
Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
論文参考訳（メタデータ） (2023-09-12T13:28:06Z)
Enhanced Dengue Outbreak Prediction in Tamilnadu using Meteorological and Entomological data [0.0]
タミル・ナドゥ州(インド)で収集された時系列気候データと健康データを分析するために、双方向積層LSTMネットワークが選択される。 VBDコントロールの指標である蚊幼虫指数を含めることで、モデルの予測精度を著しく向上させる。
論文参考訳（メタデータ） (2023-06-23T11:54:38Z)
An ensemble neural network approach to forecast Dengue outbreak based on climatic condition [2.3080278150530424]
デング熱(英: Dengue fever)は、アフリカ、アメリカ、アジアに100以上の熱帯・亜熱帯の国々に分布する病原体である。提案モデルは、ウェーブレットをアンサンブルニューラルネットワークフレームワークに変換する統合アプローチである。提案したXEWNetはデング発生事例と降雨の複雑な非線形関係を可能にする。
論文参考訳（メタデータ） (2022-12-16T07:49:15Z)
Assessing dengue fever risk in Costa Rica by using climate variables and machine learning techniques [0.0]
デング熱は、主に熱帯や亜熱帯の国々に感染するベクター性疾患であり、毎年何百万人もの人に影響を及ぼし、公衆衛生にとって重大な負担であると考えられている。本稿では,GAMLSS (Generalized Additive Model for location, scale, and shape) とランダムフォレスト (Random Forest,RF) 機械学習アルゴリズムを用いた気候変数の効果について検討する。
論文参考訳（メタデータ） (2022-03-23T19:59:15Z)
A spatiotemporal machine learning approach to forecasting COVID-19 incidence at the county level in the United States [2.9822184411723645]
本稿では,米国内の郡レベルでの新型コロナウイルスの流行を予測するための,長期記憶アーキテクチャに基づくデータ駆動型モデルであるCOVID-LSTMを提案する。われわれは、時間的入力として毎週の新規症例数と、Facebookのハンドエンジニアリングによる空間的特徴を用いて、疾患の時間的および空間的拡散を捉えている。 4週間の予測で、私たちのモデルは平均50のケースで、COVIDhubアンサンブルよりも正確です。
論文参考訳（メタデータ） (2021-09-24T17:40:08Z)
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)
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)
Ensemble Forecasting of the Zika Space-TimeSpread with Topological Data Analysis [13.838100337224075]
ジカウイルスは、主にAedes aegyptiとAedes albopictusの蚊に噛まれて伝染する。その結果、ジカウイルス感染の頻度は、降水量、高温、人口密度の高い地域では一般的である。累積ベティ数の概念を導入し,その累積ベティ数をトポロジカル記述子として3つの機械学習モデルに統合する。
論文参考訳（メタデータ） (2020-09-24T16:42:19Z)
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)

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。