BriefGPT.xyz
Sep, 2024
使用神经网络预测传染病流行情况及相关不确定性
Forecasting infectious disease prevalence with associated uncertainty using neural networks
HTML
PDF
Michael Morris
TL;DR
本研究针对传染病流行预测模型的准确性挑战,提出了基于神经网络的两种方法框架,并结合不确定性估计。通过对美国流感样疾病的预测,最佳模型实现了平均绝对误差降低10.3%和技能提升17.1%,显示出与传统方法相比的显著优势。此外,研究还探索了神经常微分方程与传统机制模型的结合,展示了新的预测潜力。
Abstract
Infectious Diseases
pose significant human and economic burdens. Accurately
Forecasting
disease incidence can enable public health agencies to respond effectively to existing or emerging diseases. Despite progres
→