使用张量方法的 Covid-19 分析
数值分析
2023-01-02 v1 数值分析
摘要
在本文中，我们使用张量模型分析 Covid-19 大流行数据。首先，我们使用张量模型、规范多线性（canonical polyadic）和更高阶 Tucker 分解，在多个模态上提取模式。其次，我们使用基于规范多线性张量分解的张量补全算法，从多个空间源预测时空数据并识别 Covid-19 热点。我们应用一种带实用正则化参数估计器的正则化迭代张量补全技术，以预测 Covid-19 病例传播并发现与识别热点。我们的方法能高精度预测每周与每季度的 Covid-19 传播。第三，我们使用一种用于交替最小二乘的新颖采样方法分析美国的 Covid-19 数据。此外，我们在可解释性、可视化和代价分析方面将算法与标准张量分解进行比较。最后，我们将这些技术应用于新泽西州的 Covid-19 数据，证明了方法的有效性。
引用
@article{arxiv.2212.14558,
title = {Covid-19 Analysis Using Tensor Methods},
author = {Dipak Dulal and Ramin Goudarzi Karim and Carmeliza Navasca},
journal= {arXiv preprint arXiv:2212.14558},
year = {2023}
}
备注
22 pages, 22 figures