文献

J-GLOBAL ID：202102219847666063   整理番号：21A0170742

GMDHに基づくUkraine Covid-19パンデミックプロセスの動的規則性の発見【JST・京大機械翻訳】

GMDH-Based Discovering Dynamic Regularities of the Ukraine Covid-19 Pandemic Process

著者 (2件)： Moroz Olha (Department for Information Technologies of Inductive Modelling, International Research and Training Centre for Information Technologies and Systems of the NAS and MES of Ukraine, Kyiv, Ukraine) ,  Stepashko Volodymyr (Department for Information Technologies of Inductive Modelling, International Research and Training Centre for Information Technologies and Systems of the NAS and MES of Ukraine, Kyiv, Ukraine)
資料名： Advances in Intelligent Systems and Computing  (Advances in Intelligent Systems and Computing)
巻： 1293  ページ： 456-470  発行年： 2020年 
JST資料番号： W5075A  ISSN： 2194-5357  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本論文は,確認された事例に関する公式統計データを用いて,Ukraine Covid-19パンデミックプロセスのモデリング結果を提示した。主な目標は,時系列の毎日のデータとして与えられるプロセスの動的規則性を発見することである。それは,自己回帰型,すなわち通常の自己回帰の予測差モデルを構築するために,4つの異なる方法を使用する理由である。組合せ遺伝的GMDHアルゴリズムCOMBI-GAを用いて得た最適構造の自己回帰;よく知られた方法Lassoによって構築された最適構造の別の変異体;そして,これらの方法の予測結果を,世界データセンターによって発表された独立予測と比較した。本研究では,ベースライン予測が,1から与えられたそれらの数までのすべての遅れを含む通常の自己回帰によって生成されたものである。それと異なり,アルゴリズムCOMBI-GAとLassoは,遅れの幾つかの点で,自己回帰を自己回帰する。WDC独立予測を,遅れ変数の非線形変換としてバックプロパゲーションANNを用いて行った。この比較研究は,2段階で行った:最初に,Ukraineにおける強い検疫の期間と,第2に,段階的検疫の期間に関して行った。両段階に対して,COMBI-GAによって構築された最適モデルは,最も解釈可能であり,検証データセットに関してより良い予測精度を示した。本研究は,時間におけるコロナウイルス進化の傾向の定義と,いくつかの保護手段を取るための今後の活動の予測に有用である。Copyright The Author(s), under exclusive license to Springer Nature Switzerland AG 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  遺伝 ,  データセンタ ,  規則度 ,  *GMDH ,  検疫 ,  統計データ ,  基準線 ,  逆伝搬法
準シソーラス用語： 予測精度 ,  非線形変換 ,  自己回帰 ,  動的プロセス , 【Automatic Indexing@JST】

著者キーワード (8件)： コロナウイルス ,  Covid-19の流行 ,  ウクライナ ,  動的プロセス ,  規則性 ,  予測 ,  GMDH ,  組合せ遺伝学的方法COMBI-GA

分類 (2件)： 数値計算  (JE02000J) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： GMDH ,  COVID-19パンデミック ,  プロセス ,  規則性 ,  発見