English(EN) Cross-Country Learning for National Infectious Disease Forecasting Using European Data

跨国学习提高了传染病预测的准确性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-05 04:00

研究人员开发了一种跨国学习方法，以改进传染病预测，特别是在历史数据有限的国家。该方法利用来自多个欧洲国家的时间序列数据训练一个单一的机器学习模型，以预测塞浦路斯的新冠肺炎病例。研究发现，与仅使用国家数据训练的模型相比，纳入其他国家的数据持续提高了预测准确性，为数据稀缺地区的疾病预测提供了一个有前景的框架。 AI

影响通过利用跨国数据，增强了数据有限地区传染病的预测能力。

排序理由详细介绍传染病预测新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Zacharias Komodromos, Kleanthis Malialis, Artemis Kontou, Panayiotis Kolios · 2026-08-05 04:00

Cross-Country Learning for National Infectious Disease Forecasting Using European Data

arXiv:2601.20771v2 Announce Type: replace-cross Abstract: Accurate forecasting of infectious disease incidence is critical for public health planning and timely intervention. While most data-driven forecasting approaches rely primarily on historical data from a single country, su…

报道来源 [1]

Cross-Country Learning for National Infectious Disease Forecasting Using European Data

相关实体

相关话题