文献

J-GLOBAL ID：202202238827551139   整理番号：22A0450495

形状レット学習による複数地域におけるCOVID-19事例予測【JST・京大機械翻訳】

COVID-19 cases prediction in multiple areas via shapelet learning

著者 (2件)： Wang Zhijin (Computer Engineering College, Jimei University, Xiamen, China) ,  Cai Bing (Computer Engineering College, Jimei University, Xiamen, China)
資料名： Applied Intelligence  (Applied Intelligence)
巻： 52  号： 1  ページ： 595-606  発行年： 2022年 
JST資料番号： W0297A  ISSN： 0924-669X  資料種別： 逐次刊行物 (A)
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： 地理的地域におけるCOVID-19ケースの数を予測することは,健康資源と意思決定の管理にとって重要である。COVID-19ケース予測のためにいくつかの方法が提案されてきたが,それらは,COVID-19のインキュベーション期間と疾患伝染の主要な傾向に関連したモデル解釈可能性に関して重要な限界を持つ。潜伏期間と伝達傾向に関する予測結果を説明することができるために,本論文は,マルチプル区域において歴史的観察から形状レットを学ぶために,多変量形状学習(MSL)モデルを示した。50のUS省/州から収集したデータを用いて,11のアルゴリズムの予測性能を比較するために実験的評価を行った。結果は,提案方法が効果的で効率的であることを示した。学習された小形は,新しい確認された事例の増加および減少傾向を説明し,米国におけるCOVID-19潜伏期間は約28日であることを明らかにした。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 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 ,  意思決定 ,  *学習 ,  地理学 ,  インキュベート
準シソーラス用語： 判断能力 ,  多変量 , 【Automatic Indexing@JST】

著者キーワード (5件)： COVID-19 ,  予測 ,  多変量 ,  Shapelet学習 ,  解釈可能性

分類 (3件)： 数値計算  (JE02000J) ,  電力工学・電力事業一般  (NB01000X) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 学習 ,  地域 ,  COVID-19 ,  予測