图结构循环神经网络与稀疏化研究及其在疫情预测中的应用
机器学习
2019-02-15 v1 最优化与控制
机器学习
摘要
我们通过图结构循环神经网络（GSRNN）研究真实世界健康数据上的疫情预测。我们在基准 CDC 数据集上取得了最先进的（SOTA）预测精度。为提升模型效率，我们通过 transformed- 惩罚对网络权重进行稀疏化，并在 70% 的网络权重为零时保持同等预测精度。
引用
@article{arxiv.1902.05113,
title = {A Study on Graph-Structured Recurrent Neural Networks and Sparsification with Application to Epidemic Forecasting},
author = {Zhijian Li and Xiyang Luo and Bao Wang and Andrea L. Bertozzi and Jack Xin},
journal= {arXiv preprint arXiv:1902.05113},
year = {2019}
}