condLSTM-Q：一种用于精细地理尺度上预测新冠死亡率的新型深度学习模型
机器学习
2020-11-24 v1 机器学习
摘要
关注不同时空尺度的预测模型有助于政府与医疗系统抗击 COVID-19 大流行。在此我们提出带分位数输出的条件长短期记忆网络(condLSTM-Q)，这是一种在县级尺度上以两周预测窗口对 COVID-19 死亡人数进行分位数预测的优异模型。这种精细地理尺度在公开可用的预测模型中罕见但有用，尤其有益于州级官员在州内协调资源。condLSTM-Q 的分位数预测告知人们预测死亡人数的分布，从而更好地评估严重程度的 possibly 轨迹。鉴于神经网络模型的可扩展性与泛化性，该模型可轻松整合额外数据源，并可进一步直观发展为生成其他有用预测（如新增病例或住院数）。
引用
@article{arxiv.2011.11507,
title = {condLSTM-Q: A novel deep learning model for predicting Covid-19 mortality in fine geographical Scale},
author = {HyeongChan Jo and Juhyun Kim and Tzu-Chen Huang and Yu-Li Ni},
journal= {arXiv preprint arXiv:2011.11507},
year = {2020}
}
备注
15 pages, 9 figures