Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | National University of Piura Castilla s/n | - |
Autor(es): dc.contributor | Cesar Vallejo University | - |
Autor(es): dc.contributor | Universidade Federal de São João del-Rei C.P. 110 | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | Condominio Sol de Chan-Chan | - |
Autor(es): dc.creator | Aguilar, I. Luis | - |
Autor(es): dc.creator | Ibáñez-Reluz, Miguel | - |
Autor(es): dc.creator | Aguilar, Juan C. Z. | - |
Autor(es): dc.creator | Zavaleta-Aguilar, Elí W. | - |
Autor(es): dc.creator | Aguilar, L. Antonio | - |
Data de aceite: dc.date.accessioned | 2025-08-21T22:36:33Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T22:36:33Z | - |
Data de envio: dc.date.issued | 2022-04-29 | - |
Data de envio: dc.date.issued | 2022-04-29 | - |
Data de envio: dc.date.issued | 2020-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1007/978-3-030-86970-0_22 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/229584 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/229584 | - |
Descrição: dc.description | The current spreading of the SARS-CoV-2 pandemic had put all the scientific community in alert. Even in the presence of different vaccines, the active virus still represents a global challenge. Due to its rapid spreading and uncertain nature, having the ability to forecast its dynamics becomes a necessary tool in the development of fast and efficient health policies. This study implements a temporal convolutional neural network (TCN), trained with the open covid-19 data set sourced by the Health Ministry of Peru (MINSA) on the Peruvian coast. In order to obtain a robust model, the data was divided into validation and training sets, without overlapping. Using the validation set the model architecture and hyper-parameters were found with Bayesian optimization. Using the optimal configuration the TCN was trained with a test and forecasting window of 15 days ahead. Predictions on available data were made from March 06, 2020 until April 13, 2021, whereas forecasting from April 14 to April 29, 2021. In order to account for uncertainty, the TCN estimated the 5%, 50% and 95% prediction quantiles. Evaluation was made using the MAE, MAD, MSLE, RMSLE and PICP metrics. Results suggested some variations in the data distribution. Test results shown an improvement of 24.241, 0.704 and 0.422 for the MAD, MSLE and RMSLE metrics respectively. Finally, the prediction interval analysis shown an average of 97.886% and 97.778% obtained by the model in the train and test partitions. | - |
Descrição: dc.description | Department of Mathematics National University of Piura Castilla s/n | - |
Descrição: dc.description | Medicine Faculty Cesar Vallejo University, Av. Victor Larco 1770 | - |
Descrição: dc.description | Department of Mathematics and Statistics Universidade Federal de São João del-Rei C.P. 110 | - |
Descrição: dc.description | São Paulo State University (Unesp) Campus of Itapeva Rua Geraldo Alckmin 519 | - |
Descrição: dc.description | Artificial Intelligent Research KapAITech Research Group Condominio Sol de Chan-Chan | - |
Descrição: dc.description | São Paulo State University (Unesp) Campus of Itapeva Rua Geraldo Alckmin 519 | - |
Formato: dc.format | 304-319 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics) | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Deep learning | - |
Palavras-chave: dc.subject | SARS-CoV-2 | - |
Palavras-chave: dc.subject | Temporal convolutional neural networks | - |
Palavras-chave: dc.subject | Time series data | - |
Título: dc.title | A Deep Learning Approach to Forecast SARS-CoV-2 on the Peruvian Coast | - |
Tipo de arquivo: dc.type | aula digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: