文献

J-GLOBAL ID：202202245884181156   整理番号：22A0970928

ディープ・ロング短期記憶ネットワークに基づく医療機器需要と発生拡大の予測:トルコにおけるCOVID-19パンデミック【JST・京大機械翻訳】

Forecasting of medical equipment demand and outbreak spreading based on deep long short-term memory network: the COVID-19 pandemic in Turkey

著者 (2件)： Koc Erdinc (Department of Business Administration, Faculty of Administrative Sciences and Economics, Bingol University, Bingol, Turkey) ,  Tuerkoglu Muammer (Department of Computer Engineering, Faculty of Engineering and Architecture, Bingol University, Bingol, Turkey)
資料名： Signal, Image and Video Processing  (Signal, Image and Video Processing)
巻： 16  号： 3  ページ： 613-621  発行年： 2022年 
JST資料番号： W4946A  ISSN： 1863-1711  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： 医療機器の必要性は,COVID-19発生により増加している。これらの需要の予測は,その資源を効果的に利用することを可能にする。人工知能ベースの予測モデルは,感染症期間中の医療機器需要の予測において重要な役割を果たす。本研究では,コロナウイルス発生(COVID-19)中の医療機器需要と発生拡大の予測のための多層長短期記憶ネットワークに基づく深いモデルアプローチを提示した。提案モデルは,プロセスの順序で,正規化,深いLSTMネットワークおよびドロップアウト密度回帰層から成る。最初に,毎日の入力データを正規化プロセスにかけた。その後,深層学習アプローチである多層LSTMネットワークモデルを作成し,次にドロップアウト層と完全接続層へ供給した。最後に,訓練されたモデルの重さを用いて,次の日に医療機器需要と発生拡大を予測した。実験的研究では,トルコで一緒に集めた統計データから収集した77日間のCOVID-19データを用いた。提案システムをテストするために,このデータセットの最後の9日間に属するデータを使用し,提案したシステムの性能を統計的アルゴリズム,MAPEおよびR2を用いて計算した。実施した実験の結果,提案したモデルは,COVID-19疾患との関連で,将来における症例数と医療機器需要の推定に使用できることが観察された。Copyright The Author(s), under exclusive licence to Springer-Verlag London Ltd. 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 ,  *ネットワーク ,  トルコ共和国 ,  人工知能 ,  感染症 ,  モデル ,  統計データ ,  多層 ,  正規化 ,  機械学習 ,  予測モデル
準シソーラス用語： コロナウイルス ,  短期記憶 ,  入力データ ,  深層学習 ,  LSTMネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： ディープLSTMネットワーク ,  需要予測 ,  COVID-19 ,  サプライチェーン ,  流行計画

分類 (4件)： 人工知能  (JE08000Z) ,  音声処理  (JE05000E) ,  ニューロコンピュータ  (JC06010Q) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： 短期記憶 ,  医療機器 ,  需要 ,  拡大 ,  予測 ,  トルコ ,  COVID-19パンデミック