0% Complete
صفحه اصلی
/
چهارمین کنفرانس بین المللی محاسبات نرم
Can Google Trends Data Predict Next Covid-19 Peak? A Machine Learning Approach
نویسندگان :
Maryam Seifaddini
1
Amir Habibdoust
2
1- دانشگاه گیلان
2- دانشگاه گیلان
کلمات کلیدی :
Machine Learning, GMDH type neural Network, Covid-19, Google Trends
چکیده :
In the area of big data, Google trends and its forecasting power have received considerable attention among scientists. In this paper, we investigate the ability of Google trend data to forecast new cases of Covide-19 in Iran. We employed a supervised machine learning method known as GMDH- type neural network. The searching data of several Covid-19 related terms in the Persian language are used as predictors of Covid-19 new cases over the period 2020/10/24 to 2021/06/22. Five models with different input variables are investigated. The results show that the RMSE of the models varies between 10.81 and 8.152, and the lowest RMSE occurs in the model in which the seven-day lag of COVID-19 new cases is entered as an input variable. Our tool can improve the policymakers' and researchers’ understating from spreading pandemic during a challenging time when the infection rate is significantly high, and official statistics cannot be reliable.
لیست مقالات
لیست مقالات بایگانی شده
Application of Radial Basis Functions (RBF) for Efficient Design of Dual-Band Wilkinson Power Divider
Saeed Reza Ostadzadeh - Ali Bagheri
طبقهبندی تومور مغزی در تصاویر MR با استفاده از شبکه خودرمزنگار عمیق و الگوهای باینری محلی
فرناز حسینی - اسدالله شاه بهرامی - عباس حیدری
تشخیص استرس از سنسورهای پوشیدنی به کمک یادگیری عمیق
حامد آقاپناه رودسری - مریم محمدی - مرتضی چوبین - روح الله بابامیر ساطحی
رویکردی جدید در حل مسائل برنامهریزی کسری خطی
فرید پورافقی
تشخیص بیماری پارکینسون با استفاده از تحلیل سیگنال های الکتروانسفالوگرام مبتنی بر تبدیل والش هادامارد
یاسمین اعزازی - پیوند قادریان
شناسایی نویسنده متن با استفاده از شبکه کانولوشنی عمیق براساس آنالیز دستخط
عذرا صولتی دالکی - حسن ختن لو
بازسازی تصاویر سه بعدی چهره با الگوریتم شبکه باور عمیق
روزا سیرتی
بررسی کارایی یک روش خوشهبندی مرکب با الگوریتمهای خوشهبندی منفرد شامل k- میانگین، k-مدوئید، خوشهبندی طیفی و خوشهبندی سلسله مراتبی تجمعی با شاخص اطلاعات متقابل نرمالشده
آرزو عاقلی یزدی - الهام عباسی هرفته - سید ابوالفضل شاهزاده فاضلی
Envelopment model CCR in fuzzy mode
Atefeh Hassani Bafrani
Hybrid-Net: یک شبکه عصبی عمیق برای افزایش کیفیت تصاویر زیر آب
امیررضا عباسی - مهدی هاشم زاده - جلیل قویدل نیچران
بیشتر
ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 42.0.2