LSTMに基づくCOVID-19確認事例の数の当てはめと予測のための改良法【JST・京大機械翻訳】

Yan Bingjie; Tang Xiangyan; Liu Boyi; Wang Jun; Zhou Yize; Zheng Guopeng; Zou Qi; Lu Yao; Tu Wenxuan

プレプリント

J-GLOBAL ID：202202205836963933 整理番号：22P0144301

LSTMに基づくCOVID-19確認事例の数の当てはめと予測のための改良法【JST・京大機械翻訳】

An Improved Method for the Fitting and Prediction of the Number of COVID-19 Confirmed Cases Based on LSTM

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (9件)： , , , , , , , ,
資料名：
発行年： 2020年05月05日プレプリントサーバーでの情報更新日： 2020年05月13日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

新しいコロナウイルス病(COVID-19)は世界的流行を構成しており,世界中のほとんどの国と地域へ広まっている。地域流行の発展傾向を理解することにより,流行は開発政策を用いて制御できる。一般的伝統的数学的微分方程式と個体群予測モデルは,時系列個体群予測に限界があり,大きな推定誤差さえある。この問題に取り組むために,LSTM(Long-Short Termメモリ)ニューラルネットワークに基づく確認事例を予測するための改良法を提案した。本研究では,改良LSTM予測モデルの実験結果と,参照として実際のデータによるディジタル予測モデル(ロジスティックおよびHill方程式のような)の偏差を比較した。そして,本研究は,改良の適合効果を評価するために,適合の良さを使用した。実験は,提案した方式がより小さい予測偏差とより良い適合効果を有することを示した。以前の予測方法と比較して,著者らの提案した改良方法の貢献は,主に次の側面であった。1)単一標準化データよりも,データの時空間特性を完全に考察した。2)改良パラメータ設定と評価指標は,適合と予測のためにより正確である。3)流行段階の影響を考察し,異なる段階に対して合理的なデータ処理を行う。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

パターン認識

, , , , ,

前のページに戻る