基于神经网络的国家层面 COVID-19 风险预测
种群与进化
2020-09-17 v2 机器学习
摘要
近期全球范围内暴发的新型冠状病毒（COVID-19）给研究界带来了新的挑战。人工智能（AI）驱动的方法可用于预测此类传染病的参数、风险与影响。此类预测有助于控制和预防疾病的传播。应用 AI 的主要挑战在于数据量小且性质不确定。在此，我们提出一种基于浅层长短期记忆（LSTM）的神经网络来预测国家的风险类别。我们使用贝叶斯优化框架来优化并自动设计特定国家的网络。结果表明，所提出的流程在 180 个国家的数据上优于最先进的方法，并可作为此类风险分类的有用工具。我们还结合了趋势数据与天气数据进行预测实验。结果显示天气并未起到显著作用。该工具可用于预测此类传染病的长期暴发，从而我们能够更早采取预防措施。
引用
@article{arxiv.2004.00959,
title = {Neural network based country wise risk prediction of COVID-19},
author = {Ratnabali Pal and Arif Ahmed Sekh and Samarjit Kar and Dilip K. Prasad},
journal= {arXiv preprint arXiv:2004.00959},
year = {2020}
}