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 | Sri Krishna College of Engineering and Technology | - |
Autor(es): dc.contributor | Iit Madras | - |
Autor(es): dc.contributor | Universidade Federal de São Carlos (UFSCar) | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | Lydia, M. | - |
Autor(es): dc.creator | Kumar, G. Edwin Prem | - |
Autor(es): dc.creator | Ravichandran, Akash | - |
Autor(es): dc.creator | Martins, Guilherme Brandao | - |
Autor(es): dc.creator | Passos, Leandro A. | - |
Autor(es): dc.creator | Papa, Joao P. | - |
Data de aceite: dc.date.accessioned | 2025-08-21T17:09:02Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T17:09:02Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2022-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1109/IWSSIP58668.2023.10180266 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/307860 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/307860 | - |
Descrição: dc.description | The global burden of dengue, a mosquito-borne viral infection, has alarmingly increased in recent decades. The rise in disease occurrence is mainly attributed to changes in the climate, human ecology, globalization, and demography. In such a scenario, an accurate prediction of a dengue outbreak is essential to reduce the morbidity rate significantly. This paper employs two classes of autoregressive models for dengue forecasting and a recently proposed approach called Finite Element Machine for Regression (FEMaR). It also proposes a variant, namely FEMaR-KD, which allows the exploration of k-approximate nearest neighbors to interpolate data points based on k -neighborhood instead of the whole dataset. Such models are built considering environmental parameters, which denote one of the main determinants for infection occurrence. Finally, the proposed models' performance is assessed over two distinct datasets, considering differing spatial scales and regions. Results show that FEMaR obtained a mean absolute error up to 51% smaller than the autoregressive models considering univariate scenarios, and a root mean squared error up to 63% smaller regarding the univariate models. | - |
Descrição: dc.description | Sri Krishna College of Engineering and Technology Department of Mechatronics Engineering, Tamil Nadu | - |
Descrição: dc.description | Sri Krishna College of Engineering and Technology Department of Information Technology, Tamil Nadu | - |
Descrição: dc.description | Iit Madras Department of Electrical Engineering | - |
Descrição: dc.description | UFSCar -Federal University of São Carlos São Carlos Department of Computing | - |
Descrição: dc.description | São Paulo State University Bauru Department of Computing | - |
Descrição: dc.description | São Paulo State University Bauru Department of Computing | - |
Idioma: dc.language | en | - |
Relação: dc.relation | International Conference on Systems, Signals, and Image Processing | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Autoregression | - |
Palavras-chave: dc.subject | Dengue | - |
Palavras-chave: dc.subject | Finite Element Machines | - |
Palavras-chave: dc.subject | Machine Learning | - |
Palavras-chave: dc.subject | Regression | - |
Título: dc.title | Temporal Dengue Outbreak Prediction from Climatic Variables using Finite Element Machines for Regression | - |
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: