文献

J-GLOBAL ID：202102212406407254   整理番号：21A0874017

スマートロックダウンに向けて:深層ハイブリッドニューラルネットワークを用いたCOVID-19ホットスポット予測のための新しい手法【JST・京大機械翻訳】

Toward Smart Lockdown: A Novel Approach for COVID-19 Hotspots Prediction Using a Deep Hybrid Neural Network

著者 (3件)： Khan Sultan Daud (Department of Computer Science, National University of Technology, Islamabad 44000, Pakistan) ,  Alarabi Louai (Department of Computer Science, Umm Al-Qura University, Makkah 24236, Saudi Arabia) ,  Basalamah Saleh (Department of Computer Engineering, Umm Al-Qura University, Makkah 24236, Saudi Arabia)
資料名： Computers (Web)  (Computers (Web))
巻： 9  号： 4  ページ： 99  発行年： 2020年 
JST資料番号： U7165A  ISSN： 2073-431X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： COVID-19は,ロックダウンにおいて世界人口の1/3以上を配置することによって,歴史において最大の経済後退を引き起こした。経済とビジネス活動の延長された制約は,金融市場にかなり影響する巨大な経済的 油を引き起こした。経済上の成長圧力を緩和するために,科学者は,スマートロックダウンとして一般的に知られている間欠ロックダウンを提案した。スマートロックダウンの下で,個体群,すなわちホットスポットの感染クラスタを含む地域はロックダウンに置かれ,一方,経済活動は非感染地域で運転できる。本研究では,ホットスポットの正確な予測のための新しい深層学習予測フレームワークを提案した。2つの深層学習モデル,即ち,畳込みニューラルネットワーク(CNN)と長短温度メモリ(LSTM)の利点を利用し,CNNの畳み込み層から多重時間スケール特徴を抽出する能力を持つハイブリッドフレームワークを提案した。次に,多重時間スケール特徴を連結して,2層LSTMモデルへの入力として提供した。LSTMモデルは,時系列データの表現を学習することにより,短期,中期および長期依存性を同定する。一連の実験を行い,他の最先端の統計的および機械学習ベースの予測モデルと提案フレームワークを比較した。実験結果から,提案したフレームワークは,明確なマージンを持つ他の既存の方法に打ち勝つことを実証した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 記憶装置 ,  畳込み ,  多重化 ,  クラスタ ,  個体群 ,  *ホットスポット ,  深層 ,  機械学習 ,  予測モデル
準シソーラス用語： 時系列データ ,  経済活動 ,  金融市場 ,  深層学習 ,  畳込みニューラルネットワーク ,  長短期記憶 , 【Automatic Indexing@JST】

著者キーワード (6件)： COVID-19 ,  ロックダウン ,  ホットスポット ,  CNN ,  LSTM ,  予測

分類 (3件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S) ,  ニューロコンピュータ  (JC06010Q)

引用文献 (51件)：

• Karin, O.; Bar-On, Y.M.; Milo, T.; Katzir, I.; Mayo, A.; Korem, Y.; Dudovich, B.; Yashiv, E.; Zehavi, A.J.; Davidovich, N.; et al. Adaptive cyclic exit strategies from lockdown to suppress COVID-19 and allow economic activity. medRxiv 2020.
• Nabipour, M.; Nayyeri, P.; Jabani, H.; Mosavi, A.; Salwana, E.; Shahab, S. Deep learning for stock market prediction. Entropy 2020, 22, 840.
• Livieris, I.E.; Pintelas, E.; Pintelas, P. A CNN-LSTM model for gold price time-series forecasting. Neural Comput. Appl. 2020, 32, 17351-17360.
• Wang, J.; Yu, L.C.; Lai, K.R.; Zhang, X. Dimensional sentiment analysis using a regional CNN-LSTM model. In Proceedings of the 54th Annual Meeting of the Association for Computational Linguistics (Volume 2: Short Papers), Berlin, Germany, 7-12 August 2016; pp. 225-230.
• Askari, M.; Askari, H. Time series grey system prediction-based models: Gold price forecasting. Trends Appl. Sci. Res. 2011, 6, 1287.

タイトルに関連する用語 (7件)： ロックダウン ,  深層 ,  ニューラルネットワーク ,  COVID-19 ,  ホットスポット ,  予測 ,  手法