文献

J-GLOBAL ID：202202263864510255   整理番号：22A0980166

シドニーにおけるCOVID-19危機中の効果的な制限とワクチン接種政策の同定:機械学習アプローチ【JST・京大機械翻訳】

Identifying the Effective Restriction and Vaccination Policies During the COVID-19 Crisis in Sydney: A Machine Learning Approach

著者 (2件)： Lee Seunghyeon (Data Science Institute, University of Technology Sydney, Ultimo, NSW, Australia) ,  Chen Fang (Data Science Institute, University of Technology Sydney, Ultimo, NSW, Australia)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 13151  ページ： 356-367  発行年： 2022年 
JST資料番号： H0078D  ISSN： 0302-9743  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： 本研究は,効果的COVID-19制限政策と,Sydneyにおける局所取得COVID-19ケースを最小化するためにそれらを展開するための最良の時間を同定した。個々のCOVID-19政策,都市移動性の使用レベル,およびワクチン接種率の標準化された厳しさレベルを標準化し,不偏の多変量時系列特徴を確立した。政府が,多変量特徴に局所的に取得したCOVID-19ケースの数を公式に発表する前,1日から15日までのタイムラグを導入した。このタイムラグ次元は,様々なCOVID-19関連政策とワクチン接種を,急速に増加する感染を制御するための重要なタイミングの決定を可能にする。主成分分析(PCA)を用いて,多変量特徴の次元を低減した。Gaussプロセス回帰(GPR)は,縮小次元特徴に基づく局所取得COVID-19ケースの毎日の数を推定した。モデルは,感染の毎日の数を推定する際に,多様なパラメトリックおよびノンパラメトリックモデルより優れていた。GPRにおけるPCA係数とカーネル関数を解析することにより,確認されたCOVID-19ケースのレートを最小化するために,効果的な制限政策と最良の時間を成功裏に識別した。Copyright Springer Nature Switzerland AG 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 回帰分析 ,  標準化 ,  都市 ,  比率 ,  Gauss過程 ,  ノンパラメトリック法 ,  政策 ,  *予防接種 ,  主成分分析 ,  *機械学習
準シソーラス用語： Kernel関数 ,  接種率 ,  移動性 ,  時間遅れ ,  多変量 ,  Gauss過程回帰 , 【Automatic Indexing@JST】

著者キーワード (3件)： 主成分分析 ,  Gauss過程回帰 ,  COVID-19

分類 (2件)： 感染症・寄生虫症一般  (GD01010H) ,  公衆衛生  (GB02000X)

タイトルに関連する用語 (7件)： シドニー ,  COVID-19 ,  制限 ,  ワクチン接種 ,  政策 ,  同定 ,  機械学習