抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
COVID-19発生は,2019年後期と2020年初期に爆発的成長を経験した。流行の蔓延を制御するために,多くの研究者は流行の傾向を予測するために異なる機械学習モデルを使用した。本論文は,モデルを選ぶための将来研究者の基礎を提供するために,流行を予測するいくつかの一般的機械学習モデルの性能を試験した。本論文は,Susceptive Infected Recovered Model,線形回帰の古典的機械学習,多項式回帰,k-Nearest Network,ロジスティック成長モデル,および深層学習のLong Short-Term記憶モデルを含む機械学習の種々のモデルを使用した。アメリカ,日本,武漢,中国,のデータに基づいて,これらの国のCOVID-19傾向を,機械学習と直感的チャートのパラメータで予測し,異なるモデルの予測結果を測定した。また,著者らは,発生の注意に対する各国の程度と制御モードを考慮して,流行開発合理性と妥当性の傾向を予測するために,異なるモデルを分析した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】