http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 옥혜원(Hyewon Ok) (검색결과 1 건)
- 무료
- 기관 내 무료
- 유료
-
SIR 모형과 LSTM 기반의 COVID-19 확진자 예측 비교 및 분석
김진오(Jino Kim),김지수(Jisu Kim),김희원(Heewon Kim),박효상(Hyosang Park),김지혜(Jihye Kim),옥혜원(Hyewon Ok),문혜원(Hyewon Moon),정명훈,고석주(Seokju Ko) 한국지능정보시스템학회 2020 한국지능정보시스템학회 학술대회논문집 Vol.2020 No.6
2019년 12일 중국 후베이성 우한 시에서 시작된 코로나바이러스감염증-19(이하 COVID-19)은 2020년 1월부터 전 세계로 퍼져, 일부 국가 및 지역을 따라 제외한 대부분의 나라와 모든 대륙으로 확산되었다. 이에 따라 WHO는 2020년 1월 30일 국제적 공중보건 비상사태(PHEIC)를 선포한 후, 2020년 3월 11일 범 유행 전염병(Pandemic)을 선언하였다. COVID-19의 영향은 생명 손실에 국한되지 않고, 사회경제적 영역으로 불안 등을 감소시키기 위해 전염병 확산에 대한 예측은 필수 불가결 하다. 본 논문은 이처럼 최근 유행하고 있는 전염병인 COVID-19에 대해 전염병 모형과 순환 신경망(Recurrent Neural Network) 두 기법을 통해 확산을 예측하고 결과를 비교한다. 전 세계의 국가별 확진자와 사망자 통계를 활용하여 예측 결과를 도출하였다. 전염병 모형을 통한 예측에는 SIR(Susceptible-Infected-Recovered) 모형을 사용하며, 기계 학습의 최적화 알고리즘 중 L-BFGS를 사용하여 SIR 모형의 곡선 적합을 진행하였다. RNN 기반 예측 모델로는 LSTM 모델을 사용하였다. 예측을 실시하여 각 기법의 결론을 도출하고 실제 확진자 통계와의 정확도를 비교하였다. 본 논문은 특정한 나라들에 대하여 전염병 초기의 SIR 모형을 사용한 예측과, 현재(2020.5.29)까지 진행된 상태에서의 예측을 비교한다. 두 예측의 오차를 통하여 방역 수준에 대한 추론을 제시한다. 추가 확진자와 누적 확진자의 관계 그래프를 제공, 기울기와 두 예측 그래프 사이의 오차와 관계성을 확인하고 대략적 방역 수준을 정의한다.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
