이 문서에서는 구획화 질환 모델링에 머신러닝을 통합하여 코로나19의 전파를 예측하는 새로운 접근 방식을 제안합니다. 이 모델은 서로 다른 구획의 발전 방식을 명확하게 보여주고 해석 가능한 인코더를 사용하여 변수를 포함하고 성능을 향상시켜주기 때문에 기본적으로 설명 가능한 모델입니다. 설명 가능성은 전염병 학자들이 신뢰할 수 있는 모델 예측을 보장하고, 정부 및 의료 기관과 같은 최종 사용자에게 신뢰를 줄 수 있는 중요한 특성입니다. 이 모델은 여러 지리적 위치에 적용될 수 있으며, 미국 내 주 및 군에 사용됩니다. 이 모델은 다른 최신 기술들보다 더 정확한 예측을 제공하며, 수량적으로 의미 있는 설명 통계를 제공합니다.
개요
이 문서에는 다음 내용이 설명되어 있습니다.
- 코로나19에 대해 제안된 구획별 모델을 검토합니다.
- 코로나19를 정확하게 예측하는 데 필요한 변수를 사용하기 위해 선택된 모델 디자인 옵션을 이해합니다.
- 제한된 학습 데이터로부터 학습하면서 일반화를 향상시키기 위해 개발된 학습 메커니즘을 설명합니다.
- 이 모델을 다른 일반에 공개된 코로나19 모델과 비교하기 위한 몇 가지 실험을 검토합니다.
- 공중 보건 결정에 영향을 줄 수 있는 예측 시스템을 빌드하기 위해 이 기술을 사용하려는 사람들을 대상으로 이 모델에서 발생 가능한 잠재적 한계와 오류 사례를 이해합니다.
전체 백서를 읽으려면 아래의 버튼을 클릭하세요.