Cola-GNN

新型TERN模型通过自适应记忆改进流行病预测

研究人员开发了TERN，这是一种新颖的预测模型，旨在提高预测流感等流行病趋势的准确性。与将所有历史数据同等对待的现有模型不同，TERN利用增量规则快速权重记忆，该记忆能够适应流行病的阶段并包含明确的季节性参考。这种方法使TERN能够更好地利用往季的历史数据，同时在流行病演变时丢弃过时信息。在流感基准测试中的评估表明，TERN在性能上优于已建立的流行病图模型和一般预测方法。