面向印度各邦 COVID-19 预测的可解释 AI 框架
计算机与社会
2022-08-02 v2
摘要
2020 年，covid-19 病毒已波及 200 多个国家。截至 2021 年 12 月 20 日，全球 221 个国家累计报告 2.75 亿例 covid-19 确诊病例，总死亡人数达 537 万。由于人口众多，美国、印度、巴西、英国、俄罗斯等国受 covid-19 大流行严重影响。截至 2021 年 12 月 20 日，这些国家报告的累计确诊病例分别为 5170 万、3470 万、2220 万、1130 万、1020 万。政府与该国公民采取预防措施有助于控制此次大流行。早期预测 covid-19 病例有助于追踪传播动态并警示政府采取必要防范措施。循环深度学习算法是一种数据驱动模型，在捕捉时间序列数据中的模式方面发挥关键作用。许多文献提出了基于循环神经网络（RNN）的模型，用于高效预测不同省份的 COVID-19 病例。现有文献研究未涉及模型行为与鲁棒性的解释。本研究提出 LSTM 模型，用于高效预测印度各邦的活动病例数。印度各邦的活动病例数据集取自 John Hopkins 公开数据集，时间跨度为 2020 年 6 月 10 日至 2021 年 8 月 4 日。所提 LSTM 模型在一个邦（即 Maharashtra）上训练，并在印度其余各邦上测试。本研究引入可解释 AI（Explainable AI）概念，以更好地解释和理解模型行为。所提模型用于预测 2021 年 12 月 16 日至 2022 年 3 月 5 日印度活动病例数。据预测，印度将于 2022 年 1 月出现第三波疫情。
引用
@article{arxiv.2201.06997,
title = {Explainable AI Framework for COVID-19 Prediction in Different Provinces of India},
author = {Mredulraj S. Pandianchery and Gopalakrishnan E. A and Sowmya V and Vinayakumar Ravi and Soman K. P},
journal= {arXiv preprint arXiv:2201.06997},
year = {2022}
}
备注
12 pages