用于拟合与预测 COVID-19 的时空神经网络
机器学习
2021-03-23 v1 机器学习
摘要
我们建立了一种时空神经网络（STNN），以预测 2020 年冠状病毒 COVID-19 在全球范围内的传播。STNN 的基本结构类似于循环神经网络（RNN），但不仅融合时间数据，还融合空间特征。我们提出了两种改进的 STNN 架构，即带增强空间状态的 STNN（STNN-A）与带输入门的 STNN（STNN-I），它们具备更高的可预测性与灵活性。STNN 及其变体可使用随机梯度下降（SGD）算法及其改进变体（如 Adam、AdaGrad 和 RMSProp）进行训练。我们的 STNN 模型与若干经典疫情预测模型进行了比较，包括全连接神经网络（BPNN）、循环神经网络（RNN）、经典曲线拟合模型以及 SEIR 动力系统模型。数值模拟表明，STNN 模型在提供更准确的拟合与预测以及处理空间与时间数据方面优于许多其他模型。
引用
@article{arxiv.2103.11860,
title = {Spatio-Temporal Neural Network for Fitting and Forecasting COVID-19},
author = {Yi-Shuai Niu and Wentao Ding and Junpeng Hu and Wenxu Xu and Stephane Canu},
journal= {arXiv preprint arXiv:2103.11860},
year = {2021}
}
备注
20 pages, 8 figures