研究人员开发了TERN，这是一种新颖的预测模型，旨在改进流行病预测，特别是流感预测。与目前同等对待所有历史数据并使用固定时间窗口的现有模型不同，TERN采用增量规则快速权重记忆，能够适应流行病的阶段。这种新方法利用季节性参考和在线适应性来更好地利用历史数据并丢弃过时信息，在Cola-GNN流感基准测试中表现优于当前的流行病图模型和通用预测模型。 AI
影响 该模型的自适应记忆方法有望为传染病提供更准确、更及时的公共卫生预警。
排序理由 该集群描述了一篇详细介绍一种新颖的流行病预测模型的学术论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2609.18407v1 Announce Type: cross Abstract: Weekly influenza surveillance counts guide vaccine distribution and public-health alerts, yet they are hard to forecast. Each region offers only a few seasons, waves shift in timing and height every year, and information that help…
Weekly influenza surveillance counts guide vaccine distribution and public-health alerts, yet they are hard to forecast. Each region offers only a few seasons, waves shift in timing and height every year, and information that helps while a wave grows misleads after its peak, wher…