An Improved Method of COVID-19 Case Fitting and Prediction Based on LSTM

[yamamoto-yuta]

0. 論文

タイトル：An Improved Method of COVID-19 Case Fitting and Prediction Based on LSTM
著者： Bingjie Yan, Xiangyan Tang, Boyi Liu, Jun Wang, Yize Zhou, Guopeng Zheng, Qi Zou, Yao Lu, Wenxuan Tu

arXiv投稿日： 2020/5/5 学会/ジャーナル：

1. どんなもの？

• LSTMニューラルネットワークに基づく確定症例予測のための改良手法の提案

2. 先行研究と比べてどこがすごい？

3. 技術や手法のキモはどこ？

• ウェブサイトで提供されている各国・地域の21日間の症例データを用いて、累積診断数、新規診断数、1日の累積増加率、政府が市を閉鎖するかどうかをモデル入力とし、パラメータをMinMaxScaler標準化処理で設定
• 完全に接続されたニューラルネットワークを介して、データの特徴をさらに抽出し、LSTM層へ入力
• LSTMニューラルネットワークを構築し、時系列の長さ、学習率、予測する日数を設定
• 訓練セットのデータが膨大であることを考慮して、フィッティング偏差を小さくするために、LSTMモデルを改良し、統一標準偏差を判定基準とし、全体のカーディナリティに基づく方法でデータを縮小

4. どうやって有効だと検証した？

• 感染症例のベースが大きい湖北省、河南省、浙江省の3省で診断数を予測
• 提案手法、ロジスティックアルゴリズム、ヒル方程式アルゴリズムの各手法の予測結果と実測値を比較
• 提案手法が最も実測値に近い予測値を叩き出した

5. 議論はある？

6. 次に読むべき論文は？

キーワード

COVID-19, LSTM model, predictive analysis