研究人员开发了TREA-Net，这是一种新颖的网络，旨在预测历史数据有限地区的登革热发病率。该模型通过环境时间序列易感-感染-康复（Environmental Time-Series Susceptible-Infected-Recovered）模型的预测来增强现有的神经预测骨干网络，学习一种轻量级的残差校正，可以从数据丰富的地区迁移到数据稀疏的地区。TREA-Net的设计可适应具有不同数量位置的监测系统，并且仅需要学习两个全局参数即可进行目标适应。实验表明，当知识从哥伦比亚和尼加拉瓜等数据更广泛的国家迁移过来时，TREA-Net可以提高墨西哥和马来西亚等数据稀疏地区的预测准确性。 AI
影响 通过为疾病爆发提供更准确的早期预警，该模型可以加强数据有限地区的公共卫生准备工作。
排序理由 该集群包含一篇详细介绍新预测模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
