融合空间与气候耦合的循环神经网络与回归集成模型用于虫媒疾病动态
机器学习
2022-01-25 v1 数值分析
数值分析
种群与进化
定量方法
摘要
我们开发了一种集成循环神经网络与非线性回归的时空模型用于虫媒疾病演化。我们将气候数据与季节性作为与外部因素，其与疾病传播昆虫（如苍蝇）相关，同时也考虑感兴趣区域周边邻近区域的溢出感染。气候数据通过受推荐系统启发的二次嵌入方案编码至模型中。邻近区域的影响由长短期记忆（LSTM）神经网络建模。该集成模型通过随机梯度下降训练，并在斯里兰卡 2013–2018 年发生感染暴发的利什曼病数据上测试。我们的模型在多个高感染区域上优于 ARIMA 模型，且相关消融研究支持我们的建模假设与思路。
引用
@article{arxiv.2201.09394,
title = {An integrated recurrent neural network and regression model with spatial and climatic couplings for vector-borne disease dynamics},
author = {Zhijian Li and Jack Xin and Guofa Zhou},
journal= {arXiv preprint arXiv:2201.09394},
year = {2022}
}