多変量時系列上の双方向LSTMを用いたCOVID-19事例の予測【JST・京大機械翻訳】

Said Ahmed Ben; Erradi Abdelkarim; Aly Hussein; Mohamed Abdelmonem

プレプリント

J-GLOBAL ID：202202205851845777 整理番号：22P0194429

多変量時系列上の双方向LSTMを用いたCOVID-19事例の予測【JST・京大機械翻訳】

Predicting COVID-19 cases using Bidirectional LSTM on multivariate time series

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 (4件)： , , ,
資料名：
発行年： 2020年09月10日プレプリントサーバーでの情報更新日： 2020年09月10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)

背景:COVID-19パンデミックの普及を止めるために適切な決定を行う政策決定者を支援するため,疾患伝播の正確な予測は極めて重要である。材料と方法:本論文では,多変量時系列に適用した二方向長短温度メモリ(Bi-LSTM)ネットワークを用いて,COVID-19ケースの累積数を予測するための深層学習アプローチを示した。他の予測技術とは異なり,著者らの提案した手法は,K-平均クラスタリングアルゴリズムを用いて,類似の人口統計的および社会経済的側面および健康部門指標を持つ国を最初にグループ化する。ロックダウン対策に関連したデータに富む各クラスタ化国の累積事例データを,予測モデルを訓練するために双方向LSTMに供給した。結果:Qatarにおける疾患発生を研究することにより,提案した方法の有効性を検証した。多重評価尺度を用いた定量的評価は,提案技術が最先端の予測手法より優れていることを示した。結論:ロックダウン対策に加えて複数の国のデータを用いて,毎日の累積COVID-19ケースの予測の精度を改善する。【JST・京大機械翻訳】

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

人工知能 , パターン認識 , 数値計算

, , , , ,

前のページに戻る