
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 | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.contributor | Universidade Estadual de Campinas (UNICAMP) | - |
| Autor(es): dc.contributor | Laboratório Nacional de Computção Científica | - |
| Autor(es): dc.contributor | Rio de Janeiro State University | - |
| Autor(es): dc.contributor | Universidade de São Paulo (USP) | - |
| Autor(es): dc.contributor | University of Alberta | - |
| Autor(es): dc.creator | Valeriano, João Pedro | - |
| Autor(es): dc.creator | Cintra, Pedro Henrique | - |
| Autor(es): dc.creator | Libotte, Gustavo | - |
| Autor(es): dc.creator | Reis, Igor | - |
| Autor(es): dc.creator | Fontinele, Felipe | - |
| Autor(es): dc.creator | Silva, Renato | - |
| Autor(es): dc.creator | Malta, Sandra | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T17:19:18Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T17:19:18Z | - |
| Data de envio: dc.date.issued | 2023-07-29 | - |
| Data de envio: dc.date.issued | 2023-07-29 | - |
| Data de envio: dc.date.issued | 2022-12-31 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1007/s11071-022-07865-x | - |
| Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/248024 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/248024 | - |
| Descrição: dc.description | The long duration of the COVID-19 pandemic allowed for multiple bursts in the infection and death rates, the so-called epidemic waves. This complex behavior is no longer tractable by simple compartmental model and requires more sophisticated mathematical techniques for analyzing epidemic data and generating reliable forecasts. In this work, we propose a framework for analyzing complex dynamical systems by dividing the data in consecutive time-windows to be separately analyzed. We fit parameters for each time-window through an approximate Bayesian computation (ABC) algorithm, and the posterior distribution of parameters obtained for one window is used as the prior distribution for the next window. This Bayesian learning approach is tested with data on COVID-19 cases in multiple countries and is shown to improve ABC performance and to produce good short-term forecasting. | - |
| Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
| Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
| Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado do Rio de Janeiro (FAPERJ) | - |
| Descrição: dc.description | Instituto de Física Teórica Universidade Estadual Paulista, R. Dr. Bento Teobaldo Ferraz, 271, Bloco 2, Barra Funda, SP | - |
| Descrição: dc.description | Instituto de Física Gleb Wataghin Universidade Estadual de Campinas, Rua Sérgio Buarque de Holanda, 777, SP | - |
| Descrição: dc.description | Laboratório Nacional de Computção Científica, Av. Getulio Vargas, 333, RJ | - |
| Descrição: dc.description | Department of Computational Modeling Polytechnic Institute Rio de Janeiro State University | - |
| Descrição: dc.description | Instituto de Física de São Carlos Universidade de São Paulo, Av. Trab. São Carlense, 400 - Parque Arnold Schimidt, SP | - |
| Descrição: dc.description | Department of Physics University of Alberta, 116 St & 85 Ave | - |
| Descrição: dc.description | Instituto de Física Teórica Universidade Estadual Paulista, R. Dr. Bento Teobaldo Ferraz, 271, Bloco 2, Barra Funda, SP | - |
| Descrição: dc.description | FAPESP: 2020/14169-0 | - |
| Descrição: dc.description | FAPESP: 2021/02027-0 | - |
| Descrição: dc.description | CAPES: 88887.625345/2021-00 | - |
| Descrição: dc.description | FAPERJ: E-26/200.347/2021 | - |
| Formato: dc.format | 549-558 | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | Nonlinear Dynamics | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | Approximate Bayesian computation | - |
| Palavras-chave: dc.subject | Covid-19 | - |
| Palavras-chave: dc.subject | Epidemic forecasting | - |
| Palavras-chave: dc.subject | SEIRD model | - |
| Título: dc.title | Sequential time-window learning with approximate Bayesian computation: an application to epidemic forecasting | - |
| Tipo de arquivo: dc.type | livro 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: