論文の概要: Modification of a Numerical Method Using FIR Filters in a Time-dependent SIR Model for COVID-19

• arxiv url: http://arxiv.org/abs/2506.21739v1
• Date: Thu, 26 Jun 2025 19:44:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-30 21:12:22.999053
• Title: Modification of a Numerical Method Using FIR Filters in a Time-dependent SIR Model for COVID-19
• Title（参考訳）: 時間依存型SIRモデルにおけるFIRフィルタを用いた数値計算法の修正
• Authors: Felipe Rogério Pimentel, Rafael Gustavo Alves,
• Abstract要約: 著者のYi-Cheng Chen氏、Ping-En Lu氏、Cheng-Shang Chang氏、Tzu-Hsuan Liu氏は、FIR(Finite Impulse Response)線形システムフィルタリングを使って、COVID-19から感染し、回復した人の数を追跡、予測している。 本稿では,Chenらのアルゴリズムを小修正し,リッジ係数を求める。 そして、この修正アルゴリズムを使って、ミナスジェライス/ブラジルの州で、新型コロナウイルス(COVID-19)に感染し、回復した人々の数を追跡し、予測しました。
• 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: Authors Yi-Cheng Chen, Ping-En Lu, Cheng-Shang Chang, and Tzu-Hsuan Liu use the Finite Impulse Response (FIR) linear system filtering method to track and predict the number of people infected and recovered from COVID-19, in a pandemic context in which there was still no vaccine and the only way to avoid contagion was isolation. To estimate the coefficients of these FIR filters, Chen et al. used machine learning methods through a classical optimization problem with regularization (ridge regression). These estimated coefficients are called ridge coefficients. The epidemic mathematical model adopted by these researchers to formulate the FIR filters is the time-dependent discrete SIR. In this paper, we propose a small modification to the algorithm of Chen et al. to obtain the ridge coefficients. We then used this modified algorithm to track and predict the number of people infected and recovered from COVID-19 in the state of Minas Gerais/Brazil, within a prediction window, during the initial period of the pandemic. We also compare the predicted data with the respective real data to check how good the approximation is. In the modified algorithm, we set values for the FIR filter orders and for the regularization parameters, both different from the respective values defined by Chen et al. in their algorithm. In this context, the numerical results obtained by the modified algorithm in some simulations present better approximation errors compared to the respective approximation errors presented by the algorithm of Chen et al.
• Abstract（参考訳）: 著者のYi-Cheng Chen氏、Ping-En Lu氏、Cheng-Shang Chang氏、Tzu-Hsuan Liu氏は、ワクチンがないパンデミックの状況下で、FIR(Finite Impulse Response)線形システムフィルタリング手法を使用して、COVID-19から感染し、回復した人々の数を追跡し、予測している。 これらのFIRフィルタの係数を推定するために、Chenらは正規化(リッジ回帰)を伴う古典的な最適化問題を通じて機械学習手法を使用した。 これらの推定係数はリッジ係数と呼ばれる。 これらの研究者がFIRフィルタを定式化するために採用した流行数学モデルは、時間依存の離散SIRである。 本稿では,Chen et al のアルゴリズムを小修正し,尾根係数を求める。 次に、この修正アルゴリズムを用いて、パンデミックの初期にミナスジェライス/ブラジル州で感染・回復した人々の数を追跡し、予測した。 また、予測されたデータと実データを比較して、近似がどれだけ優れているかを確認する。 修正アルゴリズムでは、FIRフィルタの順序と正規化パラメータの値を、Chenらによって定義された各値とは異なるアルゴリズムで設定する。 この文脈では、修正アルゴリズムによって得られた数値結果は、Chenらのアルゴリズムで示される各近似誤差よりも良い近似誤差を示す。

関連論文リスト

• Asymptotically Optimal Change Detection for Unnormalized Pre- and Post-Change Distributions [65.38208224389027]
  本稿では,非正規化前および後の変化分布のみがアクセス可能である場合にのみ,変化を検出する問題に対処する。 提案手法は,最適性能を示すことが知られている累積サム統計量の推定に基づく。
  論文  参考訳（メタデータ） (2024-10-18T17:13:29Z)
• Low-rank extended Kalman filtering for online learning of neural networks from streaming data [71.97861600347959]
  非定常データストリームから非線形関数のパラメータを推定するための効率的なオンライン近似ベイズ推定アルゴリズムを提案する。 この方法は拡張カルマンフィルタ (EKF) に基づいているが、新しい低ランク+斜角行列分解法を用いている。 変分推論に基づく手法とは対照的に,本手法は完全に決定論的であり,ステップサイズチューニングを必要としない。
  論文  参考訳（メタデータ） (2023-05-31T03:48:49Z)
• Quickest Change Detection for Unnormalized Statistical Models [36.6516991850508]
  本稿では,最も高速な変化検出のための古典的累積和(CUSUM)アルゴリズムの新たな変種を開発する。 SCUSUMアルゴリズムは、正規化されていない統計モデルに対する変更検出の応用を可能にする。
  論文  参考訳（メタデータ） (2023-02-01T05:27:34Z)
• Deep Learning for the Benes Filter [91.3755431537592]
  本研究では,メッシュのないニューラルネットワークによるベンズモデルの解の密度の表現に基づく新しい数値計算法を提案する。 ニューラルネットワークの領域選択におけるフィルタリングモデル方程式における非線形性の役割について論じる。
  論文  参考訳（メタデータ） (2022-03-09T14:08:38Z)
• An application of the splitting-up method for the computation of a neural network representation for the solution for the filtering equations [68.8204255655161]
  フィルタ方程式は、数値天気予報、金融、工学など、多くの現実の応用において中心的な役割を果たす。 フィルタリング方程式の解を近似する古典的なアプローチの1つは、分割法と呼ばれるPDEにインスパイアされた方法を使うことである。 我々はこの手法をニューラルネットワーク表現と組み合わせて、信号プロセスの非正規化条件分布の近似を生成する。
  論文  参考訳（メタデータ） (2022-01-10T11:01:36Z)

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。