文献

J-GLOBAL ID：202202276530237731   整理番号：22A0773026

COVID-19時系列予測のための深層学習モデルと統計的方法の結合に基づく新しいアプローチ【JST・京大機械翻訳】

A novel approach based on combining deep learning models with statistical methods for COVID-19 time series forecasting

著者 (4件)： Abbasimehr Hossein (Faculty of Information Technology and Computer Engineering, Azarbaijan Shahid Madani University, Tabriz, Iran) ,  Paki Reza (Faculty of Information Technology and Computer Engineering, Azarbaijan Shahid Madani University, Tabriz, Iran) ,  Paki Reza (School of Industrial and Information Engineering, Politecnico di Milano University, Milano, Italy) ,  Bahrini Aram (Department of Engineering Systems and Environment, University of Virginia, Charlottesville, Virginia, USA)
資料名： Neural Computing & Applications  (Neural Computing & Applications)
巻： 34  号： 4  ページ： 3135-3149  発行年： 2022年 
JST資料番号： W0703A  ISSN： 0941-0643  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： COVID-19パンデミックは経済とビジネスを破壊し,人々の生活の全てのファセットに影響を与えた。感染症例数の予測は,発生を制御するために必要な対策を正確に決定するために重要である。深層学習モデルは,この文脈で効果的であることが証明されているが,時系列増大はそれらの性能を改善できる。本論文では,時系列拡張技法を用いて,元の系列の特性を考慮した新しい時系列を作成し,次に,十分なサンプルを生成し,深い学習モデルを適切に当てはめた。提案手法を,3つの深層学習技法,即ち,(1)長い短期メモリ,(2)ゲート化リカレントユニット,(3)畳込みニューラルネットワークを用いて,COVID-19時系列予測の文脈に適用した。対称平均絶対百分率誤差と二乗平均平方根誤差測度に関して,提案方法は,長い短期メモリと畳込みニューラルネットワークの性能を著しく改良する。また,この改善は,ゲートされた再発ユニットに対して平均である。最後に,著者らは,各国に対する実および予測データの視覚表現と同様に,トップ増強モデルの要約を提示した。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： 記憶装置 ,  測度 ,  対称性 ,  *学習モデル ,  ニューラルネットワーク ,  統計的方法 ,  ファセット
準シソーラス用語： *時系列予測 ,  *深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 深層学習 ,  時系列予測 ,  増強法 ,  COVID-19パンデミック

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： COVID-19 ,  時系列予測 ,  深層学習 ,  モデル ,  統計的方法