用于 COVID-19 传播预测的空间-时间卷积网络
机器学习
2021-01-15 v1
摘要
在这项工作中，我们提出了一种空间-时间卷积神经网络，用于在已知各地区既往报告症状的情况下，按地区预测人群中未来的 COVID-19 相关症状严重程度。这有助于估算各地区未来的 Covid-19 患者数量，从而实现更快速的响应，例如在当地医院做好准备或在必要时宣布局部封锁。我们的模型基于在以色列开展的一项全国性症状调查，可每日预测不同地区的症状严重程度。该模型包含两大部分——(1) 用于将从问卷数据聚合为特征的、基于地区的学习型调查受访者画像；(2) 利用上述特征预测症状进展的空间-时间三维卷积神经网络。
引用
@article{arxiv.2101.05304,
title = {Spatial-Temporal Convolutional Network for Spread Prediction of COVID-19},
author = {Ravid Shwartz-Ziv and Itamar Ben Ari and Amitai Armon},
journal= {arXiv preprint arXiv:2101.05304},
year = {2021}
}
备注
IEEE BigData 2020