文献

J-GLOBAL ID：202202262441482533   整理番号：22A0416886

機械学習を用いたCOVID-19発生予測【JST・京大機械翻訳】

COVID-19 Outbreak Prediction Using Machine Learning

著者 (4件)： Singh Jatin (DTU (DCE), New Delhi, India) ,  Yadav Sachin (DTU (DCE), New Delhi, India) ,  Chauhan Ketan (DTU (DCE), New Delhi, India) ,  Malhotra Ruchika (DTU (DCE), New Delhi, India)
資料名： Smart Innovation, Systems and Technologies  (Smart Innovation, Systems and Technologies)
巻： 251  ページ： 29-36  発行年： 2022年 
JST資料番号： W5072A  ISSN： 2190-3018  資料種別： 会議録 (C)
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： コロナウイルスの最近の世界的発生は,研究コミュニティに新しい挑戦を投げかけている。第1の症例は中国に登録され,次に世界のほとんどの国で普及した。最初に,広がりの速度は遅く,その後,その広がり率は非常に高く,分析上では指数関数的であった。世界中の政府はロックダウンを課し,人々は,COVID-19ウイルスの拡散を防止するために,社会的ジスタンスを実践するよう依頼された。その後,世界保健機関(WHO)によるパンデミックとして発表された。機械学習駆動法は,このパンデミックのリスク,効果,およびパラメータの予測において,実際に重要であると証明できる。これらの予測は,その広がりを制御し,その性質を理解するための戦略の作成に役立つであろう。より多くの研究は予想され始め,そして,地球周辺の専門家または研究者によって使用されるCOVID-19ケースを予測するために,著しい量の機械学習モデルが話されつつある。本研究では,予測を行うために単変量LSTMモデルを使用した。確認された症例数,回復症例数,および来る日数における死亡症例数を予測した。平均絶対誤差(MAE)を予測結果の性能計量の尺度として用いた。製造した結果は非常に正確である。これらの結果は,単変量LSTMがCOVID-19発生の予測を行う有望なモデルであることを証明した。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 地球 ,  コミュニティ ,  指数関数 ,  死 ,  世界保健機関 ,  *機械学習
準シソーラス用語： 汎発流行性 ,  平均絶対誤差 ,  長短期記憶 ,  *COVID-19 , 【Automatic Indexing@JST】

著者キーワード (4件)： COVID-19 ,  コロナウイルス ,  LSTM ,  MAE

分類 (1件)： 感染症・寄生虫症一般  (GD01010H)

タイトルに関連する用語 (3件)： 機械学習 ,  COVID-19 ,  発生予測