基于进化神经架构搜索的COVID-19病例预测
神经与进化计算
2021-09-28 v1 机器学习
摘要
2019年末,严重呼吸道疾病COVID-19出现,此后全球面临其引发的致命大流行。这场持续大流行对社会各方面影响重大。每日病例数的不确定性使决策者难以控制疫情。深度学习模型已证明可在医疗等许多现实问题中发挥作用。然而,它们需要大量数据以恰当学习特征并输出可接受解。由于COVID-19是新发疾病,可用数据不多,尤其大流行初期,数据短缺使设计优化模型颇具挑战。为克服这些问题,我们首先引入带增广特征的新数据集,随后用新方法预测COVID-19病例:使用基于Binary Bat Algorithm (BBA)的进化神经架构搜索生成优化深度循环网络。最后,为展示方法有效性,我们对伊朗COVID-19每日病例进行了比较研究。结果证明了该方法在即便早期数据有限时也能生成准确深度架构以预测大流行病例的能力。
引用
@article{arxiv.2109.13062,
title = {Forecasting of COVID-19 Cases, Using an Evolutionary Neural Architecture Search Approach},
author = {Mahdi Rahbar and Samaneh Yazdani},
journal= {arXiv preprint arXiv:2109.13062},
year = {2021}
}
备注
14 pages, 9 figures