AICov：一种融合人口协变量的 COVID-19 预测集成深度学习框架
机器学习
2020-10-09 v1 机器学习
摘要
COVID-19 大流行对人类健康、经济、社会、政治及几乎每个主要方面都产生了深远的全球影响。因此，在更广泛的社交背景下对 COVID-19 及其他大流行进行建模十分重要。我们提出了 AICov 的架构，它提供了一种融合人口协变量（其中部分可作为假定风险因素）的 COVID-19 预测集成深度学习框架。我们将多种不同策略集成到 AICov 中，包括使用基于 LSTM 乃至建模的深度学习策略的能力。为展示我们的方法，我们开展了一项整合多来源人口协变量的试点。因此，AICov 不仅包含 COVID-19 病例与死亡数据，更重要的是包含地方层面的人口社会经济、健康与行为风险因素。编译后的数据被输入 AICov，与仅使用病例和死亡数据的模型相比，我们通过将数据集成到模型中获得了改进的预测。
引用
@article{arxiv.2010.03757,
title = {AICov: An Integrative Deep Learning Framework for COVID-19 Forecasting with Population Covariates},
author = {Geoffrey C. Fox and Gregor von Laszewski and Fugang Wang and Saumyadipta Pyne},
journal= {arXiv preprint arXiv:2010.03757},
year = {2020}
}
备注
25 pages, 4 tabkes, 19 figures