
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 | Rocha Filho, Tarcísio Marciano da | - |
| Autor(es): dc.creator | Oliveira, Israel Garcia de | - |
| Data de aceite: dc.date.accessioned | 2025-03-18T19:20:15Z | - |
| Data de disponibilização: dc.date.available | 2025-03-18T19:20:15Z | - |
| Data de envio: dc.date.issued | 2024-08-21 | - |
| Data de envio: dc.date.issued | 2024-08-21 | - |
| Data de envio: dc.date.issued | 2024-08-21 | - |
| Data de envio: dc.date.issued | 2021-11-28 | - |
| Fonte completa do material: dc.identifier | http://repositorio.unb.br/handle/10482/50091 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/965623 | - |
| Descrição: dc.description | Dissertação (mestrado) — Universidade de Brasília, Instituto de Física, Programa de Pós-Graduação em Física, 2021. | - |
| Descrição: dc.description | A epidemia do coronavírus, causada pelo vírus SARS-COV-2, teve seu início em dezem- bro de 2019 na china e rapidamente se espalhou para vários países ao redor do mundo, sendo então declarada uma pandemia pela Organização Mundia da Saúde (OMS) em questão de dois meses. Prever tendências de uma doença contagiosa em uma população é um assunto de grande relevância para a sociedade, pois causa impacto positivo nas tomadas de deci- são por parte dos agente competentes. Diferentes metodologias existem, como por exemplo o modelo SIR ou o modelo time-since-infection. Uma alternativa que vem cada vez mais tendo atenção de pesquisadores são os métodos baseados em aprendizado de máquina. Uma possibilidade é alimentar o algoritmo de aprendizado de máquina com a série temporal (de casos, por exemplo) e obter estimativas da evolução futura da série temporal por uma jancla de tempo. Neste trabalho usamos redes neurais baseadas em computação de reservatório para prever a evolução do coronavírus no Distrito Federal. Obtemos boas previsões para o número de reprodução instantâneo R, em até cinco dias no futuro e para as médias móveis de casos e mortes em até dez dias no futuro com um erro relativo médio de 10%. | - |
| Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES). | - |
| Descrição: dc.description | he curent COVID-19 pandemic, caused by the SARS-CoV-2 virus, begun in Decem- ber 2019 in China, and rapidly spread to all countries in the World, being declared pan- demic by the World Health Organization (WHO) in a matter of two months. Predicting trends of an infectious disease is a topic of high social relevance, being able to impact on better decision making. Different theoretical approaches exist, such as the SIR and time- since-infection models. An alternative gradually drawing more attention from researchers is machine-learning based approaches. One possibility is to fed an algorithm with the previous time series of daily cases and/or deaths, and obtain estimates for the future evolution fow a given time window. In the present work we use the reservoir computing approach to predict the evolution of coronavirus in the Federal Disctrict in Brazil. We obtained good quality predictions for instantaneous reproduction number R, up to five days in the future, and the moving average of cases and deaths up to ten days ahead with a maximum relative error of 10%. | - |
| Descrição: dc.description | Instituto de Física (IF) | - |
| Descrição: dc.description | Programa de Pós-Graduação em Física | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Direitos: dc.rights | Acesso Aberto | - |
| Palavras-chave: dc.subject | Covid-19 | - |
| Palavras-chave: dc.subject | Aprendizagem de máquina | - |
| Palavras-chave: dc.subject | Sistemas dinâmicos | - |
| Palavras-chave: dc.subject | Computação por reservatório | - |
| Título: dc.title | Using reservoir computing to predict COVID-19 time series in Distrito Federal | - |
| Título: dc.title | Uso de computação de reservatório na previsão de séries temporais da Covid-19 no Distrito Federal | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional – UNB - Rep. 1 | |
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: