PulseAugur
中
实时 15:15:24
English(EN) Long-Memory Reservoir Computing for Data-Scarce Dengue Forecasting

新的长记忆水库计算增强了登革热预测能力

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种新颖的长记忆水库计算框架，以改善登革热预测，特别是在数据稀疏的情况下。所提出的系统将专用的长记忆和短记忆回声状态网络（ESNs）与岭回归读出相结合。引入了两种变体：分数阶ESN（fESN）和小波ESN（wESN），其中fESN结合了分数阶动力学，wESN使用小波平滑来捕捉远程依赖性。与各种登革热数据集和预测范围上的统计和深度学习基线相比，这两种变体都表现出优越的性能。 AI

影响 这项研究可以通过改进疾病预测模型，从而实现更准确的公共卫生规划。

排序理由 该集群包含一篇详细介绍新预测方法的arXiv研究论文。

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新的长记忆水库计算增强了登革热预测能力

报道来源 [2]

  1. arXiv stat.ML TIER_1 English(EN) · Rahul Goswami, Shinjini Paul, Palash Ghosh, Tanujit Chakraborty ·

    用于数据稀疏登革热预测的长记忆水库计算

    arXiv:2607.11272v1 Announce Type: new Abstract: Accurate dengue forecasting is crucial for public health planning, but remains challenging because incidence series are often short, noisy, non-stationary, nonlinear, and often affected by long-range temporal dependence. Fractional …

  2. arXiv stat.ML TIER_1 English(EN) · Tanujit Chakraborty ·

    用于数据稀疏登革热预测的长记忆水库计算

    Accurate dengue forecasting is crucial for public health planning, but remains challenging because incidence series are often short, noisy, non-stationary, nonlinear, and often affected by long-range temporal dependence. Fractional differencing in Autoregressive Fractionally Inte…

相关实体

相关话题