แนวคิดหลัก
新しい深層ニューラルネットワークを使用して、長期的なデング熱予測を行うためのFWinトランスフォーマーが最も優れていること。
บทคัดย่อ
デング熱は最も致死率の高い蚊媒性感染症の1つであり、長期的な予測モデルが重要である。
気候と海洋指標に基づくシンガポールのローカル気候/天候データを使用して、デング熱ケースを60週間まで予測する方法を検討。
FWinベースのトランスフォーマーが最も正確な結果を提供し、他のモデルよりも優れていることが示された。
導入
ベクター伝播性疾患(VBD)のモデリングと予測は科学的に難しく、重要である。
現在、マラリアやデング熱などの蚊媒性感染症は地域社会や世界社会に深刻な公衛リスクをもたらす。
データセットとタスク
シンガポールの2000年から2019年までの週次デング熱データセットにはさまざまな変数が含まれている。
多変量から単変量へ(MS)および修正された多変量から単変量へ(MM)の適切なタスクに対応するため、異なる特徴量情報を使用する。
モデル
FWinトランスフォーマーはウィンドウアテンションを使用して計算複雑性を低下させ、精度向上に貢献する。
他のモデル(Informer、FEDformer、Autoformer、ETSformer、PatchTST)と比較してもFWinが最も良好な結果を示した。
結果と議論
FWinは他のモデルよりも高い予測精度を示し、将来情報を取り込むことで改善された。
短い入力シーケンス長でもFWinは堅牢であり、異なる入力長でも一貫した結果が得られた。
สถิติ
新しく開発された深層ニューラルネットワークによって60週間先までの長期的なデング熱予測が可能。
คำพูด
"Dengue fever is one of the most deadly mosquito-born tropical infectious diseases."