文献

J-GLOBAL ID：202202291102181281   整理番号：22A1053208

Covid-19陽性症例の発生を予測するための統計的および機械学習アプローチに関するレビュー【JST・京大機械翻訳】

A Review on Statistical and Machine Learning Approaches to Forecasting the Occurrence of Covid-19 Positive Cases

著者 (2件)： Jaulip Velentine (Advanced Machine Intelligence, Knowledge Technology Research Unit, Faculty of Computing and Informatics, Universiti Malaysia Sabah, Kota Kinabalu, Malaysia) ,  Alfred Rayner (Advanced Machine Intelligence, Knowledge Technology Research Unit, Faculty of Computing and Informatics, Universiti Malaysia Sabah, Kota Kinabalu, Malaysia)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 835  ページ： 139-155  発行年： 2022年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
記事区分： 文献レビュー  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 世界保健機関(WHO)は,2020年3月11日に世界大流行の2019の新しいコロナウイルスを分類した。Coronaウイルスは,COVID-19としても知られており,中国,湖北省,中国,約2019年頃に最初に出現し,世界中で急速に広がった。パンデミックに対する戦争における多くの研究努力がなされ,数学モデル,感染症モデル,および機械学習モデルに基づく多くの予測モデルが開発されている。以前の研究は,LSTMアルゴリズムがDengue,Malariaおよび最近のCovid-19パンデミックのような様々な感染症を予測する際に最も使用される深層学習技術であることを示した。これまでの研究では,感染症,特にCovid-19に関する包括的研究を,世界的にその速い感染率のために行うことが重要であることを示した。したがって,本論文は,予測疾患発生のための実験およびモデルを設計するために使用するデータセット,方法およびハイパーパラメータ設定を要約した。同時に,いくつかの限界が同定され,Covid-19陽性症例と死亡症例の発生に関連する時系列データを学習するためのロバストなLSTMモデルの構築において考慮する必要がある。これらの限界は,短い時系列データに制約された仮定に基づくモデル設計,時間変化,空間影響,気候因子,小サンプル寸法のような影響変化因子の除外を含み,歴史的データに依存し,最終的に仮定に基づく将来の政策の変化に依存する。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： 数学モデル ,  死 ,  世界保健機関 ,  経時変化 ,  中華人民共和国 ,  感染症 ,  コロナウイルス科 ,  ロバスト性 ,  *機械学習 ,  予測モデル
準シソーラス用語： コロナウイルス ,  時系列データ ,  感染率 ,  気候因子 ,  ハイパーパラメータ ,  深層学習 ,  *COVID-19 , 【Automatic Indexing@JST】

著者キーワード (4件)： Covid-19 ,  LSTM ,  深層学習 ,  時系列

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 (5件)： 症例 ,  予測 ,  統計 ,  機械学習 ,  レビュー