インドの異なる地域におけるCOVID-19予測のための説明可能なAIフレームワーク【JST・京大機械翻訳】

Pandianchery Mredulraj S.; A Gopalakrishnan E.; V Sowmya; Ravi Vinayakumar; P Soman K.

プレプリント

J-GLOBAL ID：202202207482997455 整理番号：22P0276157

インドの異なる地域におけるCOVID-19予測のための説明可能なAIフレームワーク【JST・京大機械翻訳】

Explainable AI Framework for COVID-19 Prediction in Different Provinces of India

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 (5件)： , , , ,
資料名：
発行年： 2022年01月12日プレプリントサーバーでの情報更新日： 2022年07月30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)

2020年には,covid-19ウイルスが200か国以上に達した。世界における2021年12月20日は,275Mのcovid-19と合計死亡の5.37Mの死亡例を確認した。アメリカ,インド,ブラジル,英国,ロシアなど多くの国は,大きな人口のため,コビド-19パンデミックによってひどく影響を受けた。この国で報告された全確認症例は,2021年12月20日まで,それぞれ51.7M,34.7M,22.2M,11.3M,10.2Mであった。このパンデミックは国の政府と市民による予防措置の支援によって制御できる。covid-19ケースの早期予測は,必要な予防措置を取るために,政府が送電力学を追うことを助ける。リカレント深層学習アルゴリズムは,時系列データに存在するパターンを捕捉するために重要な役割を果たすデータ駆動モデルである。多くの文献において,異なる行政区のためのCOVID-19ケースの効率的予測のために,Reカレントニューラルネットワーク(RNN)ベースのモデルを提案した。文献における研究は,モデル挙動およびロバスト性の解釈を含んでいなかった。本研究では,LSTMモデルをインドの各省におけるアクティブケースの効率的予測のために提案した。インドにおける各省に対する活動事例データセットを,2020年6月10日から8月4日2021日までの期間に対して,John Hopkins公的に利用可能なデータセットから採取した。提案したLSTMモデルを,1つの状態,すなわちMaharashtraで訓練し,インドの残りの省で試験した。説明可能なAIの概念は,モデル挙動のより良い解釈と理解のために本研究に含まれている。提案したモデルを用いて,2022年12月16日から3月5日までのインドのアクティブケースを予測した。インドでは2022年1月に第3波の出現がある。【JST・京大機械翻訳】

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

感染症・寄生虫症一般

, , , , ,

前のページに戻る